Modulhandbuch

Master

Computer Science

Kohorte: Wintersemester 2016

Stand: 8. Juli 2017

Studiengangsbeschreibung

Inhalt

Die Informatik hat sich zu einer Triebfeder des technologischen Fortschritts entwickelt, weil alle Berufszweige mit Informatikaspekten durchdrungen sind und immer noch zusätzliche Anwendungsfelder in der Informations- und Kommunikationstechnik erschlossen werden. Der Masterstudiengang Computer Science trägt dieser Entwicklung Rechnung. Es werden die kreativen und konstruktiven Fähigkeiten zur Neu- und Weiterentwicklung von IT-Systemen sowie die ökonomischen und Management-Kompetenzen zur Planung und Durchführung umfangreicher IT-Projekte gefördert. Da IT-Systeme größtenteils durch das Zusammenwirken von Mensch, Technik, Unternehmen und Gesellschaft entstehen, sind Anwendungswissen, Sozialkompetenz und ethisches Verantwortungsbewusstsein unverzichtbarer Bestandteil der Ausbildung. Weiterhin bereitet das Masterstudium auch auf eine Promotion in Informatik vor.

Im Masterstudiengang Computer Science wird ein breites, fundiertes und vertieftes Grundlagenwissen in den Bereichen mathematische Modellbildung in der Informatik, Softwaretechnik, Hardware-Entwurf und Intelligente Systeme vermittelt. Zudem werden weitergehende Kenntnisse in Betriebswirtschaftslehre und Management sowie nichttechnischen Fächern erlangt, um die Kompetenzen für das Bewältigen umfangreicher IT-Projekte zu erhöhen. Das Masterprogramm bereitet auf Kompetenzebene weiterhin optimal auf die Promotion vor, so dass neben praktischen Berufsbildern auch auf die Forschung in Informatik vorbereitet wird.


Berufliche Perspektiven

Der Masterstudiengang Computer Science bereitet die Absolventen und Absolventinnen sowohl auf eine berufliche Tätigkeit im IT-Sektor als auch auf eine Promotion in Informatik vor.

Der Studiengang bildet Informatiker aus, die auf dem deutschen oder internationalen Arbeitsmarkt unabhängig von Konjunkturbewegungen sehr gute Beschäftigungsmöglichkeiten vorfinden sollten. Absolventen und Absolventinnen werden nicht nur als Systementwickler in der IT-Branche oder in den Entwicklungsabteilungen des Maschinenbaus und des Automobilindustrie tätig sein, sondern auch in der Medienindustrie als Entwickler von autonom agierenden Systemen oder Computerspielen.


Lernziele

Das Masterstudium Computer Science soll die Studierenden sowohl auf eine gehobene berufliche Tätigkeit als auch auf die Promotion vorbereiten. Die dazu notwendigen methodischen Kompetenzen werden im Rahmen des Studiums erworben. Die Lernziele sind im Folgenden eingeteilt in die Kategorien Wissen, Fertigkeiten, Sozialkompetenz und Selbstständigkeit.


Wissen

Wissen konstituiert sich aus Fakten, Grundsätzen und Theorien und wird im Masterstudiengang Computer Science auf folgenden Gebieten erworben:

  1. Die Absolventen und Absolventinnen kennen in detaillierter Weise aktuelle Methoden und Verfahren zur mathematischen Modellbildung in der Informatik, wie etwa Agentensysteme, algebraisch-statistische Modelle, Bayessche Netze, dynamische Systeme, dynamische Programme, Gröbnerbasen, Entscheidungsbäume, lineare und nichtlineare (ganzzahlige) Programme sowie neuronale Netze. Sie können diese Modelle detailliert beschreiben und verschiedene Repräsentationsformen desselben Modells vergleichen.
  2. Die Absolventen und Absolventinnen kennen Punkt für Punkt weitergehende Methoden und Verfahren zur Lösung oder Approximation von algorithmischen Entscheidungs- und Optimierungsaufgaben, wie etwa Algorithmen in Netzwerken, Auswertungsalgorithmen für algebraisch-statistische Modelle, den EM-Algorithmus, dynamische Programmierung, Gröbnerbasen und Eliminationstheorie, lineare und nichtlineare (ganzzahlige) Programmierung, Lernverfahren, Verfahren zur Lösung von Ausgleichsproblemen, Eigenwertproblemen und nichtlinearen Nullstellenproblemen, Klassifikation mit kNN, neuronalen Netzen und Support-Vektor-Maschinen, Bildung von Gruppierungen (Clustering), Numerik und Algorithmen für Hochleistungsrechner und probabilistisches Schließen.
  3. Die Absolventen und Absolventinnen kennen en detail weiterführende Methoden und Verfahren der Softwaretechnik, insbesondere Methoden zur Analyse und Verifikation von Software, die Konzipierung von Web- und Cloud-Diensten, den Entwurf von Spiele-Software und Verfahren des verteilten Rechnens.
  4. Die Absolventen und Absolventinnen verstehen in allen Einzelheiten, wie Instanzen von Hardware-Modellen durch Verhaltens- und Strukturbeschreibungen spezifiziert werden und können die Einbettung von Strukturmodellen in einen technischen Rahmen unter Einbeziehung von Betriebssystem- und Netzwerkkomponenten beschreiben. Hierbei sind sie in der Lage auf Kenntnisse in den Bereichen Codierung und Decodierung von Daten, Kommunikationsnetze, Netzwerksicherheit, Sensornetze und Warteschlangenmodelle zurückzugreifen.
  5. Die Absolventen und Absolventinnen sind profund mit den Grundzügen komplexer informations- und kommunikationstechnischer Systeme, so genannter cyber-physischer Systeme, vertraut. Dies beinhaltet relevante Steuerungsarchitekturen, Interaktionsmechanismen, Sensorik und Aktorik und die Gewinnung und Verarbeitung von Wissen und Erkenntnissen aus dem System heraus.
  6. Die Absolventen und Absolventinnen kennen im Einzelnen eine ganze Reihe von Anwendungsfällen valider mathematischer Modelle in der Informatik, wie etwa Algorithmen in Netzwerken, algebraisch-statistische Modelle für die Untersuchung von Genomen, Gröbnerbasen in der Genomik und Robotik, das Hidden-Markov-Modell und Bayessche Netze für die Analyse von Markov-Ketten in Bioinformatik und Robotik, Kameraführung sowie Methoden des Operations Research für betriebswirtschaftliche und technische Planungsprobleme.


Fertigkeiten

Die Fähigkeit, erlerntes Wissen anzuwenden, um spezifische Probleme zu lösen, wird im Studiengang Computer Science auf vielfältige Weise unterstützt:

  1. Die Absolventen sind in der Lage, Instanzen formaler Modelle in der Informatik anhand weitergehender Modellierungsansätze zu entwickeln, ihre Berechenbarkeit und Komplexität direkt oder durch Reduktion zu ermitteln und sie mittels geeigneter Programmierwerkzeuge in einem technischen Rahmen zu umzusetzen.
  2. Die Absolventen sind imstande, Instanzen von algorithmischen Entscheidungs- und Optimierungsproblemen unter Verwendung weiterführender Verfahren und unter Einsatz einschlägiger Software-Werkzeuge optimal oder näherungsweise zu lösen und die Lösungen zu evaluieren.
  3. Die Absolventen und Absolventinnen können komplexe Softwaresysteme, wie etwa Web- und Cloud-Dienste, Spiele-Software und nebenläufige Systeme, entwickeln und diese analysieren und verifizieren.
  4. Die Absolventen und Absolventinnen sind in der Lage, Strukturbeschreibungen von komplexen Hardware-Bausteinen, wie etwa komplette CPUs, Coprozessoren oder Mikroprozessorsysteme, unter Verwendung spezifischer Entwicklungswerkzeuge zu konzipieren und zu evaluieren.
  5. Die Absolventen und Absolventinnen können Komponenten von cyber-physischen Systemen unter Einsatz spezifischer Methoden und Verfahren entwickeln und in größere Systeme integrieren und testen.
  6. Die Absolventen und Absolventinnen sind im Stande, weiterführende valide mathematische Modelle aus der Informatik unter Verwendung einer geeigneten Programmier- und Testumgebung technisch umzusetzen und zu validieren.


Erwerb von Sozialkompetenz

Sozialkompetenz umfasst die individuelle Fähigkeit und den Willen, zielorientiert mit anderen zusammen zu arbeiten, die Interessen der anderen zu erfassen, sich zu verständigen und die Arbeits- und Lebenswelt mitzugestalten.

  1. Die Absolventen und Absolventinnen können Teamsitzungen und Gruppenprojektarbeiten zu einem Thema aus der Informatik anleiten.
  2. Die Absolventen und Absolventinnen sind in der Lage, Lösungen von Aufgabenstellungen aus der Informatik vor einer Hörerschaft mit Fachvertretern zu vertreten.


Kompetenz zum selbstständigen Arbeiten

Personale Kompetenzen umfassen neben der Kompetenz zum selbständigen Handeln auch die System- und Lösungskompetenz, allgemeine Problemstellungen auf spezifische Teilprobleme abzubilden sowie die Auswahl und das Beherrschen geeigneter Methoden und Verfahren zur Problemlösung.

  1. Die Absolventen und Absolventinnen können sich eigenständig ein Thema aus der Informatik erschließen und die Ergebnisse im Rahmen eines Vortrages mit fortgeschrittenen Präsentationstechniken oder anhand einer fundierten Abhandlung gemäß den Grundsätzen  guter wissenschaftlicher Praxis darstellen.
  2. Die Absolventen und Absolventinnen sind im Stande, zeitlich begrenzte und ressourcenbeschränkte Forschungsaufgaben unter Reflexion des im Studium Erlernten eigenverantwortlich durchzuführen.

Studiengangsstruktur

Das Curriculum des Masterstudiengangs Computer Science ist wie folgt gegliedert:
  • Kernqualifikation - Pflicht: 3 Module, 30 Leistungspunkte (LP), 1. - 3. Semester
  • Kernqualifikation - Wahlpflicht: 3 Module, 18 LP, 1. und 2. Semester
  • Vertiefung: 6 Module, 42 LP, 1. - 3. Semester
  • Masterarbeit: 30 LP, 4. Semester

Dadurch ergibt sich ein Gesamtaufwand von 120 LP.

Die Pflichtmodule der Kernqualifikation sind teilen sich auf in überfachliche Module:

  • Nichttechnische Ergänzungskurse im Master: 6 LP, 1. - 3. Semester
  • Betrieb & Management: 6 LP, 1. - 3. Semester

und das Forschungsprojekt mit Seminar (18 LP, 3. Semester).

In den Wahlpflichtmodulen der Kernqualifikation werden fachliche Schlüsselqualifikationen in Informatik und Mathematik vermittelt, die für den weiteren Verlauf des Studiums grundlegend sind. Die Studierenden belegen je nach Schwerpunktlegung drei von sechs Veranstaltungen.

In der Vertiefung werden fachliche Schlüsselqualifikationen erworben. Wählbar sind:

  • Allgemeine Informatik
  • Intelligente Systeme

Die Studierenden besuchen in der gewählten Vertiefung Veranstaltungen in einem Umfang von 42 LP. In beiden Zweigen bestehen ausreichend Wahlmöglichkeiten.

Der Studienplan enthält ein Mobilitätsfenster derart, dass Studierende das dritte Semester im Ausland absolvieren können.

Fachmodule der Kernqualifikation

Modul M0523: Betrieb & Management

Modulverantwortlicher Prof. Matthias Meyer
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Keine
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Die Studierenden sind in der Lage, ausgewählte betriebswirtschaftliche Spezialgebiete innerhalb der Betriebswirtschaftslehre zu verorten.
  • Die Studierenden können in ausgewählten betriebswirtschaftlichen Teilbereichen grundlegende Theorien, Kategorien und Modelle erklären.
  • Die Studierenden können technisches und betriebswirtschaftliches Wissen miteinander in Beziehung setzen.


Fertigkeiten
  • Die Studierenden können in ausgewählten betriebswirtschaftlichen Teilbereichen grundlegende Methoden anwenden.
  • Die Studierenden können für praktische Fragestellungen in betriebswirtschaftlichen Teilbereichen Entscheidungsvorschläge begründen.


Personale Kompetenzen
Sozialkompetenz --
Selbstständigkeit
  • Die Studierenden sind in der Lage, sich notwendiges Wissen durch Recherchen und Aufbereitungen von Material selbstständig zu erschließen.


Arbeitsaufwand in Stunden Abhängig von der Wahl der Lehrveranstaltungen
Leistungspunkte 6
Lehrveranstaltungen
Die Informationen zu den Lehrveranstaltungen entnehmen Sie dem separat veröffentlichten Modulhandbuch des Moduls.

Modul M0524: Nichttechnische Ergänzungskurse im Master

Modulverantwortlicher Dagmar Richter
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Keine
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Nichttechnischen Angebote  (NTA)

vermittelt die in Hinblick auf das Ausbildungsprofil der TUHH nötigen Kompetenzen, die ingenieurwissenschaftliche Fachlehre fördern aber nicht abschließend behandeln kann: Eigenverantwortlichkeit, Selbstführung, Zusammenarbeit und fachliche wie personale Leitungsbefähigung der zukünftigen Ingenieurinnen und Ingenieure. Er setzt diese Ausbildungsziele in seiner Lehrarchitektur, den Lehr-Lern-Arrangements, den Lehrbereichen und durch Lehrangebote um, in denen sich Studierende wahlweise für spezifische Kompetenzen und ein Kompetenzniveau auf Bachelor- oder Masterebene qualifizieren können. Die Lehrangebote sind jeweils in einem Modulkatalog Nichttechnische Ergänzungskurse zusammengefasst. 

Die Lehrarchitektur

besteht aus einem studiengangübergreifenden Pflichtstudienangebot. Durch dieses zentral konzipierte Lehrangebot wird die Profilierung der TUHH Ausbildung auch im nichttechnischen Bereich gewährleistet.

Die Lernarchitektur erfordert und übt eigenverantwortliche Bildungsplanung in Hinblick auf den individuellen Kompetenzaufbau ein und stellt dazu Orientierungswissen zu thematischen Schwerpunkten von Veranstaltungen bereit.

Das über den gesamten Studienverlauf begleitend studierbare Angebot kann ggf. in ein-zwei Semestern studiert werden. Angesichts der bekannten, individuellen Anpassungsprobleme beim Übergang von Schule zu Hochschule in den ersten Semestern und um individuell geplante Auslandsemester zu fördern, wird jedoch von einer Studienfixierung in konkreten Fachsemestern abgesehen.

Die Lehr-Lern-Arrangements

sehen für Studierende - nach B.Sc. und M.Sc. getrennt - ein semester- und fachübergreifendes voneinander Lernen vor. Der Umgang mit Interdisziplinarität und einer Vielfalt von Lernständen in Veranstaltungen wird eingeübt - und in spezifischen Veranstaltungen gezielt gefördert.

Die Lehrbereiche

basieren auf Forschungsergebnissen aus den wissenschaftlichen Disziplinen Kulturwissenschaften, Gesellschaftswissenschaften, Kunst, Geschichtswissenschaften, Kommunikationswissenschaften, Migrationswissenschaften, Nachhaltigkeitsforschung und aus der Fachdidaktik der Ingenieurwissenschaften. Über alle Studiengänge hinweg besteht im Bachelorbereich zusätzlich ab Wintersemester 2014/15 das Angebot, gezielt Betriebswirtschaftliches und Gründungswissen aufzubauen. Das Lehrangebot wird durch soft skill und Fremdsprachkurse ergänzt. Hier werden insbesondere kommunikative Kompetenzen z.B. für Outgoing Engineers gezielt gefördert.

Das Kompetenzniveau

der Veranstaltungen in den Modulen der nichttechnischen Ergänzungskurse unterscheidet sich in Hinblick auf das zugrunde gelegte Ausbildungsziel: Diese Unterschiede spiegeln sich in den verwendeten Praxisbeispielen, in den - auf unterschiedliche berufliche Anwendungskontexte verweisende - Inhalten und im für M.Sc. stärker wissenschaftlich-theoretischen Abstraktionsniveau. Die Soft skills für Bachelor- und für Masterabsolventinnen/ Absolventen unterscheidet sich an Hand der im Berufsleben unterschiedlichen Positionen im Team und bei der Anleitung von Gruppen.

Fachkompetenz (Wissen)

Die Studierenden können

  • ausgewähltes Spezialgebiete des jeweiligen nichttechnischen Bereiches erläutern,
  • in den im Lehrbereich vertretenen Disziplinen grundlegende Theorien, Kategorien, Begrifflichkeiten, Modelle,  Konzepte oder künstlerischen Techniken skizzieren,
  • diese fremden Fachdisziplinen systematisch auf die eigene Disziplin beziehen, d.h. sowohl abgrenzen als auch Anschlüsse benennen,
  • in Grundzügen skizzieren, inwiefern wissenschaftliche Disziplinen, Paradigmen, Modelle, Instrumente, Verfahrensweisen und Repräsentationsformen der Fachwissenschaften einer individuellen und soziokulturellen Interpretation und Historizität unterliegen,              
  • können Gegenstandsangemessen in einer Fremdsprache kommunizieren (sofern dies der gewählte Schwerpunkt im NTW-Bereich ist).



Fertigkeiten

Die Studierenden können in ausgewählten Teilbereichen

  • grundlegende und teils auch spezielle Methoden der genannten Wissenschaftsdisziplinen anwenden.
  • technische Phänomene, Modelle, Theorien usw. aus der Perspektive einer anderen, oben erwähnten Fachdisziplin befragen.
  • einfache und teils auch fortgeschrittene Problemstellungen aus den behandelten Wissenschaftsdisziplinen erfolgreich bearbeiten,
  • bei praktischen Fragestellungen in Kontexten, die den technischen Sach- und Fachbezug übersteigen, ihre Entscheidungen zu Organisations- und Anwendungsformen der Technik begründen.




Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind fähig ,

  • in unterschiedlichem Ausmaß kooperativ zu lernen
  • eigene Aufgabenstellungen in den o.g. Bereichen in adressatengerechter Weise in einer Partner- oder Gruppensituation zu präsentieren und zu analysieren,
  • nichttechnische Fragestellungen einer Zuhörerschaft mit technischem Hintergrund verständlich darzustellen
  • sich landessprachlich kompetent, kulturell angemessen und geschlechtersensibel auszudrücken (sofern dies der gewählte Schwerpunkt im NTW-Bereich ist)



Selbstständigkeit

Die Studierenden sind in ausgewählten Bereichen in der Lage,

  • die eigene Profession und Professionalität im Kontext der lebensweltlichen Anwendungsgebiete zu reflektieren,
  • sich selbst und die eigenen Lernprozesse zu organisieren,
  • Fragestellungen vor einem breiten Bildungshorizont zu reflektieren und verantwortlich zu entscheiden,
  • sich in Bezug auf ein nichttechnisches Sachthema mündlich oder schriftlich kompetent auszudrücken.
  • sich als unternehmerisches Subjekt zu organisieren,   (sofern dies ein gewählter Schwerpunkt im NTW-Bereich ist).




Arbeitsaufwand in Stunden Abhängig von der Wahl der Lehrveranstaltungen
Leistungspunkte 6
Lehrveranstaltungen
Die Informationen zu den Lehrveranstaltungen entnehmen Sie dem separat veröffentlichten Modulhandbuch des Moduls.

Modul M0804: Forschungsprojekt und Seminar

Lehrveranstaltungen
Titel Typ SWS LP
Forschungsprojekt (L1761) Projektierungskurs 10 15
Hauptseminar (L0817) Seminar 2 3
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Wissen und Fertigkeiten aus einer der Vertiefungen im Master-Bereich des Studienganges
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden wissen, wie man sich ein Teilgebiet der Informatik (oder in einen angrenzenden Bereich) selbständig erschließt.

Fertigkeiten

Die Studierenden können ein Teilgebiet der Informatik (oder in einem angrenzenden Bereich) selbständig bearbeiten.

Personale Kompetenzen
Sozialkompetenz

Studierenden erläutern die in einem wissenschaftlichen Aufsatz geschilderten Probleme und die im Aufsatz entwickelten Lösungen in einem Fachgebiet der Informatik oder Mathematik, bewerten die vorgeschlagenen Lösungen in einem Vortrag und reagieren auf wissenschaftliche Nachfragen, Ergänzungen und Kommentare.

Selbstständigkeit

Die Studierenden können ein Teilgebiet in einer Präsentation vorstellen. Sie können aktiv die Präsentationen anderer Studierender verfolgen, so dass evtl. ein interaktiver Diskurs über ein wissenschaftliches Thema entsteht.

Arbeitsaufwand in Stunden Eigenstudium 372, Präsenzstudium 168
Leistungspunkte 18
Prüfung laut FSPO
Prüfungsdauer und -umfang Das Seminar erfordert eine Präsentation über ein aktuelles Forschungsthema (Vortrag 25-30 min und Diskussion 5 min). Das Forschungsprojekt ist eine Projektarbeit im Sinne der ASPO und der einschlägigen FSPO.
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Information and Communication Systems: Kernqualifikation: Pflicht
Lehrveranstaltung L1761: Forschungsprojekt
Typ Projektierungskurs
SWS 10
LP 15
Arbeitsaufwand in Stunden Eigenstudium 310, Präsenzstudium 140
Dozenten Dozenten des SD E
Sprachen DE/EN
Zeitraum WiSe
Inhalt

Aktuelle Forschungsthemen aus der gewählten Vertiefungsrichtung. 

Literatur

Aktuelle Literatur zu Forschungsthemen aus der gewählten Vertiefungsrichtung.
/
Current literature on research topics of the chosen specialization.

Lehrveranstaltung L0817: Hauptseminar
Typ Seminar
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dozenten des SD E
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Seminarvorträge der teilnehmenden Studierenden über die im Forschungsprojekt durchgeführten Arbeiten
  • Aktive Teilnahme an der Diskussion


Literatur Wird vom Veranstalter bekanntgegeben.

Fachmodule der Vertiefung Computer and Software Engineering

Modul M0836: Communication Networks I - Analysis and Structure

Lehrveranstaltungen
Titel Typ SWS LP
Analyse und Struktur von Kommunikationsnetzen (L0897) Vorlesung 2 2
Ausgewählte Themen der Kommunikationsnetze (L0899) Problemorientierte Lehrveranstaltung 2 2
Übung Kommunikationsnetze (L0898) Problemorientierte Lehrveranstaltung 1 2
Modulverantwortlicher Prof. Andreas Timm-Giel
Zulassungsvoraussetzungen
Empfohlene Vorkenntnisse
  • Fundamental stochastics
  • Basic understanding of computer networks and/or communication technologies is beneficial
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students are able to describe the principles and structures of communication networks in detail. They can explain the formal description methods of communication networks and their protocols. They are able to explain how current and complex communication networks work and describe the current research in these examples.

Fertigkeiten

Students are able to evaluate the performance of communication networks using the learned methods. They are able to work out problems themselves and apply the learned methods. They can apply what they have learned autonomously on further and new communication networks.

Personale Kompetenzen
Sozialkompetenz

Students are able to define tasks themselves in small teams and solve these problems together using the learned methods. They can present the obtained results. They are able to discuss and critically analyse the solutions.

Selbstständigkeit

Students are able to obtain the necessary expert knowledge for understanding the functionality and performance capabilities of new communication networks independently.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Kolloquium
Prüfungsdauer und -umfang 1,5 Stunden Kolloquium mit je drei Prüflingen, also ca. 30 min je Prüfling. Inhalt des Kolloquiums sind die Poster der vorhergehenden Postersession sowie die Lehrinhalte.
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Netze: Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Lehrveranstaltung L0897: Analysis and Structure of Communication Networks
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Maciej Mühleisen
Sprachen EN
Zeitraum WiSe
Inhalt
Literatur
  • Skript des Instituts für Kommunikationsnetze
  • Tannenbaum, Computernetzwerke, Pearson-Studium


Further literature is announced at the beginning of the lecture.

Lehrveranstaltung L0899: Selected Topics of Communication Networks
Typ Problemorientierte Lehrveranstaltung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Maciej Mühleisen
Sprachen EN
Zeitraum WiSe
Inhalt Example networks selected by the students will be researched on in a PBL course by the students in groups and will be presented in a poster session at the end of the term.
Literatur
  • see lecture
Lehrveranstaltung L0898: Communication Networks Excercise
Typ Problemorientierte Lehrveranstaltung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Dr. Maciej Mühleisen
Sprachen EN
Zeitraum WiSe
Inhalt Part of the content of the lecture Communication Networks are reflected in computing tasks in groups, others are motivated and addressed in the form of a PBL exercise.
Literatur
  • announced during lecture

Modul M1270: Technischer Ergänzungskurs I für CSMS (laut FSPO)

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Fertigkeiten
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 180, Präsenzstudium 0
Leistungspunkte 6
Prüfung laut FSPO
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht

Modul M0753: Software Verification

Lehrveranstaltungen
Titel Typ SWS LP
Softwareverifikation (L0629) Vorlesung 2 3
Softwareverifikation (L0630) Gruppenübung 2 3
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Automata theory and formal languages
  • Computational logic
  • Object-oriented programming, algorithms, and data structures
  • Functional programming or procedural programming
  • Concurrency
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students apply the major verification techniques in model checking and deductive verification. They explain in formal terms syntax and semantics of the underlying logics, and assess the expressivity of different logics as well as their limitations. They classify formal properties of software systems. They find flaws in formal arguments, arising from modeling artifacts or underspecification. 

Fertigkeiten

Students formulate provable properties of a software system in a formal language. They develop logic-based models that properly abstract from the software under verification and, where necessary, adapt model or property. They construct proofs and property checks by hand or using tools for model checking or deductive verification, and reflect on the scope of the results. Presented with a verification problem in natural language, they select the appropriate verification technique and justify their choice.   

Personale Kompetenzen
Sozialkompetenz

Students discuss relevant topics in class. They defend their solutions orally. They communicate in English. 

Selbstständigkeit

Using accompanying on-line material for self study, students can assess their level of knowledge continuously and adjust it appropriately.  Working on exercise problems, they receive additional feedback. Within limits, they can set their own learning goals. Upon successful completion, students can identify and precisely formulate new problems in academic or applied research in the field of software verification. Within this field, they can conduct independent studies to acquire the necessary competencies and compile their findings in academic reports. They can devise plans to arrive at new solutions or assess existing ones. 

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Pflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Lehrveranstaltung L0629: Software Verification
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt
  • Syntax and semantics of logic-based systems
  • Deductive verification
    • Specification
    • Proof obligations
    • Program properties
    • Automated vs. interactive theorem proving
  • Model checking
    • Foundations
    • Property languages
    • Tool support
  • Timed automata
  • Recent developments of verification techniques and applications
Literatur
  • C. Baier and J-P. Katoen, Principles of Model Checking, MIT Press 2007.
  • M. Huth and M. Bryan, Logic in Computer Science. Modelling and Reasoning about Systems, 2nd Edition, 2004.
  • Selected Research Papers
Lehrveranstaltung L0630: Software Verification
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0647: Quantencomputing

Lehrveranstaltungen
Titel Typ SWS LP
Quantencomputing (L0381) Vorlesung 2 3
Quantencomputing (L1613) Seminar 1 1
Quantencomputing (L0382) Gruppenübung 1 2
Modulverantwortlicher Dr. Christian Jansson
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Fertigkeiten
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Lehrveranstaltung L0381: Quantencomputing
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Christian Jansson
Sprachen DE
Zeitraum WiSe
Inhalt
  • Einleitung
  • Vom Bit zum Quantenregister
  • Grundlagen der Quantenmechanik: Geschichte, Schrödinger Gleichung, Übergangssysteme, Experimente
  • Grundlagen aus der linearen Algebra
  • Postulate der Quantenmechanik
  • Klassische Schaltkreise und Quantenschaltkreise
  • Umkehrbare Berechnungen und Parallelität
  • Algorithmus von Deutsch-Jozsa
  • Teleportation
  • Quanten-Fouriertransformation
  • Optische Quantencomputer
Literatur
  • M.A. Nielsen, I.L. Chuang: Quantum Computation and Quantum Information, Cambridge University Press, 2001
  • M. Homeister: Quantum Computing verstehen, Vieweg, 2005
Lehrveranstaltung L1613: Quantencomputing
Typ Seminar
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dr. Christian Jansson
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0382: Quantencomputing
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Dr. Christian Jansson
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0586: Effiziente Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Effiziente Algorithmen (L0120) Vorlesung 2 3
Effiziente Algorithmen (L1207) Gruppenübung 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Programmieren in Matlab und/oder C

Grundkenntnisse in diskreter Mathematik

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können die grundlegenden Theorien, Zusammenhänge und Methoden der Netzwerkalgorithmen und insbesondere deren Datenstrukturen erklären. Sie können das Rechenzeitverhalten wesentlicher Netzwerkalgorithmen beschreiben und analysieren. Die Studierenden können insbesondere zwischen effizient lösbaren und NP-harten Aufgabenstellungen diskriminieren.

Fertigkeiten

Die Studenten können komplexe Problemstellungen analysieren und die Möglichkeiten der Transformation in Netzwerkalgorithmen bestimmen. Sie können grundlegende Algorithmen und Datenstrukturen der linearen Optimierung und Netzwerktheorie effizient implementieren und mögliche Schwachstellen identifizieren. Sie können die Auswirkung der Nutzung verschiedener effizienter Datenstrukturen selbständig analysieren und jene gegebenenfalls einsetzen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in kleinen Gruppen fachspezifische Aufgaben gemeinsam bearbeiten und Ergebnisse in geeigneter Weise präsentieren, zum Beispiel während Kleingruppenübungen.

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus den angegebenen Literaturquellen zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Lehrveranstaltung L0120: Effiziente Algorithmen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt

- Lineare Optimierung

- Datenstrukturen

- Leftist heaps

- Minimum spanning tree

- Shortest path

- Maximum flow

- NP-harte Probleme via max-cut

Literatur

R. E. Tarjan: Data Structures and Network Algorithms. CBMS 44, Society for Industrial and Applied Mathematics, Philadelphia, PA, 1983.

Wesley, 2011 http://algs4.cs.princeton.edu/home/

V. Chvátal, ``Linear Programming'', Freeman, New York, 1983.

Lehrveranstaltung L1207: Effiziente Algorithmen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0926: Verteilte Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Verteilte Algorithmen (L1071) Vorlesung 2 3
Verteilte Algorithmen (L1072) Hörsaalübung 2 3
Modulverantwortlicher Prof. Volker Turau
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Algorithmen und Datenstrukturen
  • Verteilte Systeme
  • Diskrete Mathematik
  • Graphentheorie
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können die wichtigsten Abstraktion von Verteilten Algorithmen erklären (synchrones/asynchrones Model, nachrichtenbasierte und speicherbasierte Kommunikation, Randomisierung). Sie sind in der Lage, komplexitätsmaße für verteilte Algorithmen zu beschreiben (Runden-, Nachrichten- und Speicherkomplexität). Sie können Basisalgorithmen für die wichtigsten verteilten Probleme:  Leader election, wechselseitiger Ausschluss, Graphfärbungen, Spannbäume beschreiben. Sie kennen die wesentlichen Techniken von radomisierten Algorithmen.

Fertigkeiten

Studierende können eigene verteilte Algorithmen entwerfen und der Komplexität analysieren. Sie greifen dabei auf existierende Standardalgorithmen zurück. Sie analysieren die Komplexität randomisierter Algorithmen.

Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1071: Verteilte Algorithmen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Volker Turau
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Leader Election
  • Färbungen & Unabhängige Mengen
  • Algorithmen für Bäume
  • Minimal aufspannende Bäume
  • Randomisierte Verteilte Algorithmen
  • Wechselseitiger Ausschluss
Literatur
  1. David Peleg: Distributed Computing - A Locality-Sensitive Approach. SIAM Monograph, 2000

  2. Gerard Tel: Introduction to Distributed Algorithms, Cambridge University Press, 2nd edition, 2000
  3. Nancy Lynch: Distributed Algorithms. Morgan Kaufmann, 1996
  4. Volker Turau: Algorithmische Graphentheorie. Oldenbourg Wissenschaftsverlag, 3. Auflage, 2004.


Lehrveranstaltung L1072: Verteilte Algorithmen
Typ Hörsaalübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Volker Turau
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0677: Digital Signal Processing and Digital Filters

Lehrveranstaltungen
Titel Typ SWS LP
Digitale Signalverarbeitung und Digitale Filter (L0446) Vorlesung 3 4
Digitale Signalverarbeitung und Digitale Filter (L0447) Hörsaalübung 1 2
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Mathematics 1-3
  • Signals and Systems
  • Fundamentals of signal and system theory as well as random processes.
  • Fundamentals of spectral transforms (Fourier series, Fourier transform, Laplace transform)
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen The students know and understand basic algorithms of digital signal processing. They are familiar with the spectral transforms of discrete-time signals and are able to describe and analyse signals and systems in time and image domain. They know basic structures of digital filters and can identify and assess important properties including stability. They are aware of the effects caused by quantization of filter coefficients and signals. They are familiar with the basics of adaptive filters. They can perform traditional and parametric methods of spectrum estimation, also taking a limited observation window into account.
Fertigkeiten The students are able to apply methods of digital signal processing to new problems. They can choose and parameterize suitable filter striuctures. In particular, the can design adaptive filters according to the minimum mean squared error (MMSE) criterion and develop an efficient implementation, e.g. based on the LMS or RLS algorithm.  Furthermore, the students are able to apply methods of spectrum estimation and to take the effects of a limited observation window into account.
Personale Kompetenzen
Sozialkompetenz

The students can jointly solve specific problems.

Selbstständigkeit

The students are able to acquire relevant information from appropriate literature sources. They can control their level of knowledge during the lecture period by solving tutorial problems, software tools, clicker system.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht
Mechanical Engineering and Management: Vertiefung Mechatronik: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Microelectronics Complements: Wahlpflicht
Lehrveranstaltung L0446: Digital Signal Processing and Digital Filters
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Gerhard Bauch
Sprachen EN
Zeitraum WiSe
Inhalt
  • Transforms of discrete-time signals:

    • Discrete-time Fourier Transform (DTFT)

    • Discrete Fourier-Transform (DFT), Fast Fourier Transform (FFT)

    • Z-Transform

  • Correspondence of continuous-time and discrete-time signals, sampling, sampling theorem

  • Fast convolution, Overlap-Add-Method, Overlap-Save-Method

  • Fundamental structures and basic types of digital filters

  • Characterization of digital filters using pole-zero plots, important properties of digital filters

  • Quantization effects

  • Design of linear-phase filters

  • Fundamentals of stochastic signal processing and adaptive filters

    • MMSE criterion

    • Wiener Filter

    • LMS- and RLS-algorithm

  • Traditional and parametric methods of spectrum estimation

Literatur

K.-D. Kammeyer, K. Kroschel: Digitale Signalverarbeitung. Vieweg Teubner.

V. Oppenheim, R. W. Schafer, J. R. Buck: Zeitdiskrete Signalverarbeitung. Pearson StudiumA. V.

W. Hess: Digitale Filter. Teubner.

Oppenheim, R. W. Schafer: Digital signal processing. Prentice Hall.

S. Haykin:  Adaptive flter theory.

L. B. Jackson: Digital filters and signal processing. Kluwer.

T.W. Parks, C.S. Burrus: Digital filter design. Wiley.

Lehrveranstaltung L0447: Digital Signal Processing and Digital Filters
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0667: Algorithmische Algebra

Lehrveranstaltungen
Titel Typ SWS LP
Algorithmische Algebra (L0422) Vorlesung 3 5
Algorithmische Algebra (L0423) Gruppenübung 1 1
Modulverantwortlicher Dr. Prashant Batra
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Mathe I-III (Reelle Analysis,Rechnen in Vektorräumen, Vollst. Induktion)  Diskrete Mathematik I (Gruppen, Ringe, Ideale, Körper; euklidscher Algorithmus)
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern: Smith-Normalform, Chinesischer Restsatz, Gitterpunktsätze, Ganzzahlige Lösung von Ungleichungssystemen.




Fertigkeiten


Studierende sind in der Lage, sich weitere logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.

Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten, wie beispielsweise bei der Lösung multivariater Gleichungssysteme und in der Gitterpunkttheorie.


Personale Kompetenzen
Sozialkompetenz ,
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Lehrveranstaltung L0422: Algorithmische Algebra
Typ Vorlesung
SWS 3
LP 5
Arbeitsaufwand in Stunden Eigenstudium 108, Präsenzstudium 42
Dozenten Dr. Prashant Batra
Sprachen DE
Zeitraum WiSe
Inhalt

 Erweiterter Euklidscher Algorithmus, Lösen der Bezout-Gleichung

Teilen mit Rest in Ringen

Schnelle Rechenalgorithmen (Konversion in Zahlformate, Schnelle Multiplikationen)

Diskrete Fourier-Transformation in Ringe

Rechnen mit modularen Resten, Lösen von Restsystemen (Chinesischer Restsatz), Lösbarkeit ganzzahliger 'Gleichungssysteme

Linearisierung polynomialer Gleichungen - Matrizenansatz

Sylvester-Matrix, Elimination

Elimination in Ringen, Elimination mehrer Veränderlicher

Buchberger-Algorithmus, Gröbner-Basis

Minkowskischer Gitterpunktsatz und Ganzzahlige Optimierung

LLL-Algorithmus zum Auffinden 'kurzer' Vektoren in polynomialer Zeit







Literatur von zur Gathen, Joachim; Gerhard, Jürgen

Modern computer algebra. 3rd ed. (English) Zbl 1277.68002
Cambridge: Cambridge University Press (ISBN 978-1-107-03903-2/hbk; 978-1-139-85606-5/ebook).


Yap, Chee Keng
Fundamental problems of algorithmic algebra. (English) Zbl 0999.68261
Oxford: Oxford University Press. xvi, 511 p. $ 87.00 (2000).


Free download for students from author's website: http://cs.nyu.edu/yap/book/berlin/

Cox, David; Little, John; O’Shea, Donal
Ideals, varieties, and algorithms. An introduction to computational algebraic geometry and commutative algebra. 3rd ed. (English) Zbl 1118.13001
Undergraduate Texts in Mathematics. New York, NY: Springer (ISBN 978-0-387-35650-1/hbk; 978-0-387-35651-8/ebook). xv, 551 p.

eBook: http://dx.doi.org/10.1007/978-0-387-35651-8


Concrete abstract algebra : from numbers to Gröbner bases / Niels Lauritzen
Verfasser: 
Lauritzen, Niels
Ausgabe: 
Reprinted with corr.
Erschienen: 
Cambridge [u.a.] : Cambridge Univ. Press, 2006
Umfang: 
XIV, 240 S. : graph. Darst.
Anmerkung: 
Includes bibliographical references and index
ISBN: 
0-521-82679-9, 978-0-521-82679-2 (hbk.) : GBP 55.00
0-521-53410-0, 978-0-521-53410-9 (pbk.) : USD 39.99

Koepf, Wolfram
Computer algebra. An algorithmic oriented introduction. (Computeralgebra. Eine algorithmisch orientierte Einführung.) (German) Zbl 1161.68881
Berlin: Springer (ISBN 3-540-29894-0/pbk). xiii, 515 p.

springer eBook: http://dx.doi.org/10.1007/3-540-29895-9

Kaplan, Michael
Computer algebra. (Computeralgebra.) (German) Zbl 1093.68148
Berlin: Springer (ISBN 3-540-21379-1/pbk). xii, 391 p.

springer eBook:

http://dx.doi.org/10.1007/b137968



Lehrveranstaltung L0423: Algorithmische Algebra
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dr. Prashant Batra
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0676: Digitale Nachrichtenübertragung

Lehrveranstaltungen
Titel Typ SWS LP
Digitale Nachrichtenübertragung (L0444) Vorlesung 2 3
Digitale Nachrichtenübertragung (L0445) Hörsaalübung 1 2
Praktikum Digitale Nachrichtenübertragung (L0646) Laborpraktikum 1 1
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik 1-3
  • Signale und Systeme
  • Einführung in die Nachrichtentechnik und ihre stochastischen Methoden
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Die Studierenden sind in der Lage, moderne digitale Nachrichtenübertragungsverfahren zu verstehen, zu vergleichen und zu entwerfen. Sie sind vertraut mit den Eigenschaften linearer und nicht-linearer digitaler Modulationsverfahren. Sie können die Verzerrungen durch Übertragungskanäle beschreiben sowie Empfänger einschließlich Kanalschätzung und Entzerrung entwerfen und beurteilen. Sie kennen die Prinzipien der Single Carrier- und Multicarrier-Übertragung und die Grundlagen wichtiger Vielfachzugriffsverfahren.
Fertigkeiten

Die Studierenden sind in der Lage, ein digitales Nachrichtenübertragungsverfahren einschließlich Vielfachzugriff zu analysieren und zu entwerfen. Sie sind in der Lage, ein hinsichtlich Übertragungsrate, Bandbreitebedarf, Fehlerwahrscheinlichkeit und weiterer Signaleigenschaften geeignetes digitales Modulationsverfahren zu wählen. Sie können einen geeigneten Detektor einschließlich Kanalschätzung und Entzerrung entwerfen und dabei Eigenschaften suboptimaler Verfahren hinsichtlich Leistungsfähigkeit und Aufwand berücksichtigen. Sie sind in der Lage, ein Single-Carrierverfahren oder ein Multicarrier-Verfahren zu dimensionieren und die Eigenschaften beider Ansätze gegeneinander abzuwägen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in fachspezifische Aufgaben gemeinsam bearbeiten.

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus geeigneten Literaturquellen selbständig zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (klausurnahe Aufgaben, Software-Tools, Clicker-System) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme: Pflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Netze: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Lehrveranstaltung L0444: Digitale Nachrichtenübertragung
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Digitale Modulationsverfahren

  • Kohärente und nicht-kohärente Detektion

  • Kanalschätzung und Entzerrung

  • Single-Carrier- und Multicarrierübertragungsverfahren, Vielfachzugriffsverfahren (TDMA, FDMA, CDMA, OFDM)

Literatur

K. Kammeyer: Nachrichtenübertragung, Teubner

P.A. Höher: Grundlagen der digitalen Informationsübertragung, Teubner.

J.G. Proakis, M. Salehi: Digital Communications. McGraw-Hill.

S. Haykin: Communication Systems. Wiley

R.G. Gallager: Principles of Digital Communication. Cambridge

A. Goldsmith: Wireless Communication. Cambridge.

D. Tse, P. Viswanath: Fundamentals of Wireless Communication. Cambridge.

Lehrveranstaltung L0445: Digitale Nachrichtenübertragung
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0646: Praktikum Digitale Nachrichtenübertragung
Typ Laborpraktikum
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum WiSe
Inhalt

- DSL-Übertragung

- Stochastische Prozesse

- Digitale Datenübertragung

Literatur

K. Kammeyer: Nachrichtenübertragung, Teubner

P.A. Höher: Grundlagen der digitalen Informationsübertragung, Teubner.

J.G. Proakis, M. Salehi: Digital Communications. McGraw-Hill.

S. Haykin: Communication Systems. Wiley

R.G. Gallager: Principles of Digital Communication. Cambridge

A. Goldsmith: Wireless Communication. Cambridge.

D. Tse, P. Viswanath: Fundamentals of Wireless Communication. Cambridge.

Modul M0683: Algebraische Statistik für computerorientierte Biologie

Lehrveranstaltungen
Titel Typ SWS LP
Algebraische Statistik für computerorientierte Biologie (L0456) Vorlesung 4 6
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine.
Empfohlene Vorkenntnisse Höhere Mathematik, insbesondere Analysis, Lineare Algebra und Grundlagen der abstrakten Algebra. Grundlagen aus Stochastik und Statistik sind hilfreich.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Wissen: Die Studierenden kennen

  • die wesentlichen Grundkonzepte aus der deskriptiven und schließenden Statistik;
  • das Alignment von Sequenzen, den Needleman-Wunsch-Algorithmus und die parametrisierte Verallgemeinerung;
  • das Hidden-Markov-Modell, den Viterbi-Algorithmus und seine Anwendung auf bioinformatische Aufgabenstellungen;
  • den Expectation-Minimization-Algorithmus und seine Applikation auf statistische Hidden-Modelle;
  • phylogentische Baum-Modelle als Hidden-Modelle, den Felsenstein-Algorithmus und heute in praxi eingesetzte Baummodelle wie etwas das Jukes-Cantor-Modell und seine Verallgemeinerungen;
  • allgemeine algebro-statistische Modelle und Invarianten für solche Modelle;
  • das Divisionsverfahren in multivariaten Polynomringen;
  • Gröbnerbasen und ihre Bedeutung für das Rechnen in multivariaten Polynomringen;
  • das Eliminationsverfahren zur Lösung polynomialer Gleichungssysteme;
  • den Einsatz von geeigneter mathematischer Software zur Lösung von algebro-statistischen Problemen;
  • Markov-Basen und ihre Berechnung anhand von Gröbnerbasen;
  • den Metropolis-Algorithmus für Markov-Modelle;
  • den Einsatz von Markov-Basen für die Auswertung von Kontingenztabellen sowie die Behandlung von Regressionsmodellen und das Hardy-Weinberg-Modell,
  • die Analyse von (partiellen) Rangdaten mithilfe der gewöhnlichen Darstellungstheorie der symmetrischen Gruppen.
Fertigkeiten

Fertigkeiten: Die Studierenden können

  • Alignments von Sequenzen inkl. der notwendigen Parametrisierung berechnen und analysieren;
  • Hidden-Markov-Modelle für algebro-statistische Aufgabenstellungen aufstellen und analysieren;
  • phylogenetische Baum-Modelle für DNA-Sequenzen gegenüberstellen und vergleichen;
  • Gröbnerbasen für algebro-statistische Modelle berechnen und damit Invarianten für derartige Modelle;
  • Markov-Basen für statistische Modelle herleiten und Sampling mithilfe des Metropolis-Algorithmus durchführen;
  • einschlägige mathematische Software (Maple, R, Singular) für die Modellierung von algebro-statistischen Modellen und für Rechnungen in multivariaten Polynomringen einsetzen.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von einschlägiger Fachliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Chemical and Bioprocess Engineering: Vertiefung Bioverfahrenstechnik: Wahlpflicht
Chemical and Bioprocess Engineering: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Lehrveranstaltung L0456: Algebraische Statistik für computerorientierte Biologie
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum WiSe
Inhalt
Literatur

Modul M0733: Software Analysis

Lehrveranstaltungen
Titel Typ SWS LP
Softwareanalyse (L0631) Vorlesung 2 3
Softwareanalyse (L0632) Gruppenübung 2 3
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None

Empfohlene Vorkenntnisse
  • Basic knowledge of software-engineering activities
  • Discrete algebraic structures
  • Object-oriented programming, algorithms, and data structures
  • Functional programming or Procedural programming
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students apply the major approaches to data-flow analysis, control-flow analysis, and type-based analysis, along with their classification schemes, and employ abstract interpretation. They explain the standard forms of internal representations and models, including their mathematical structure and properties, and evaluate their suitability for a particular analysis. They explain and categorize the major analysis algorithms. They distinguish precise solutions from approximative approaches, and show termination and soundness properties. 

Fertigkeiten

Presented with an analytical task for a software artifact, students select appropriate approaches from software analysis, and justify their choice. They design suitable representations by modifying standard representations. They develop customized analyses and devise them as safe overapproximations. They formulate analyses in a formal way and construct arguments for their correctness, behavior, and precision.

Personale Kompetenzen
Sozialkompetenz

Students discuss relevant topics in class. They defend their solutions orally. They communicate in English. 

Selbstständigkeit

Using accompanying on-line material for self study, students can assess their level of knowledge continuously and adjust it appropriately.  Working on exercise problems, they receive additional feedback. Within limits, they can set their own learning goals. Upon successful completion, students can identify and precisely formulate new problems in academic or applied research in the field of software analysis. Within this field, they can conduct independent studies to acquire the necessary competencies and compile their findings in academic reports. They can devise plans to arrive at new solutions or assess existing ones. 

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Lehrveranstaltung L0631: Software Analysis
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum SoSe
Inhalt


  • Modeling: Control-Flow Modeling, Data Dependences, Intermediate Languages)
  • Classical Bit-Vector Analyses (Reaching Definition, Very Busy Expressions, Liveness, Available Expressions, May/Must, Forward/Backward)
  • Monotone Frameworks (Lattices, Transfer Functions, Ascending Chain Condition, Distributivity, Constant Propagation)
  • Theory of Data-Flow Analysis (Tarski's Fixed Point Theorem,  Data-Flow Equations, MFP Solution, MOP Solution, Worklist Algorithm)
  • Non-Classical Data-Flow Analyses
  • Abstract Interpretation (Galois Connections, Approximating Fixed Points, Construction Techniques)
  • Type Systems (Type Derivation, Inference Trees, Algorithm W, Unification)
  • Recent Developments of Analysis Techniques and Applications


Literatur
  • Flemming Nielsen, Hanne Nielsen, and Chris Hankin. Principles of Program Analysis. Springer, 2nd. ed. 2005.
  • Uday Khedker, Amitabha Sanyal, and Bageshri Karkara. Data Flow Analysis: Theory and Practice. CRC Press, 2009.
  • Selected research papers
Lehrveranstaltung L0632: Software Analysis
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1271: Technischer Ergänzungskurs II für CSMS (laut FSPO)

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Fertigkeiten
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 180, Präsenzstudium 0
Leistungspunkte 6
Prüfung laut FSPO
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht

Modul M0837: Communication Networks II - Simulation and Modeling

Lehrveranstaltungen
Titel Typ SWS LP
Simulation und Modellierung von Kommunikationsnetzen (L0887) Problemorientierte Lehrveranstaltung 5 6
Modulverantwortlicher Prof. Andreas Timm-Giel
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Knowledge of computer and communication networks
  • Basic programming skills
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students are able to explain the necessary stochastics, the discrete event simulation technology and modelling of networks for performance evaluation.

Fertigkeiten

Students are able to apply the method of simulation for performance evaluation to different, also not practiced, problems of communication networks. The students can analyse the obtained results and explain the effects observed in the network. They are able to question their own results.

Personale Kompetenzen
Sozialkompetenz

Students are able to acquire expert knowledge in groups, present the results, and discuss solution approaches and results. They are able to work out solutions for new problems in small teams.

Selbstständigkeit

Students are able to transfer independently and in discussion with others the acquired method and expert knowledge to new problems. They can identify missing knowledge and acquire this knowledge independently.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Kolloquium
Prüfungsdauer und -umfang 45-60 Minuten Kolloquium mit zwei Studierenden, also ca. 30 Minuten pro Student.
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Netze: Wahlpflicht
Lehrveranstaltung L0887: Simulation and Modelling of Communication Networks
Typ Problemorientierte Lehrveranstaltung
SWS 5
LP 6
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Dozenten Prof. Andreas Timm-Giel
Sprachen EN
Zeitraum SoSe
Inhalt

In the course necessary basic stochastics and the discrete event simulation are introduced. Also simulation models for communication networks, for example, traffic models, mobility models and radio channel models are presented in the lecture. Students work with a simulation tool, where they can directly try out the acquired skills, algorithms and models. At the end of the course increasingly complex networks and protocols are considered and their performance is determined by simulation.

Literatur
  • Skript des Instituts für Kommunikationsnetze

Further literature is announced at the beginning of the lecture.

Modul M1310: Methoden und Anwendungen der Differentialgeometrie

Lehrveranstaltungen
Titel Typ SWS LP
Methoden und Anwendungen der Differentialgeometrie (L1808) Vorlesung 4 6
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Fertigkeiten
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang Einzelprüfung, 20-30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Lehrveranstaltung L1808: Methoden und Anwendungen der Differentialgeometrie
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Georg Friedrich Mayer-Lindenberg
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Diese Vorlesung resümiert Grundbegriffe der Analysis und linearen Algebra unter dem Blickwinkel der Abstraktion von Koordinaten und führt dann in Methoden der Differentialgeometrie mit Anwendungen in der Computergraphik, der Robotik und den Feldgleichungen der Physik ein. Als CS-Kurs stellt sie auch Beziehungen zu Datentypen auf dem Rechner her und diskutiert Rechnerimplementierungen mathematischer Konstruktionen. Stichworte:

Datentypbegriff, Algorithmen, Zahlen und Zahlcodierungen, Diskretisierung kontinuierlicher Strukturen, Koordinatensysteme;  Vektorräume, Tensoren, Quaternionen, äußere Algebra, Clifford-Algebren, Lie-Algebren;  koordinatenfreie Vektoranalysis, Vektorfelder, Lie-Ableitung, Differenzialgleichungen, Variationsrechnung, Differentialformen und -operatoren;  Flächen im Raum, Krümmung, kovariante Ableitung, Geodätische; Mannigfaltigkeiten, Faserbündel, Transformationsgruppen,Riemann'sche Metriken, symplektische Strukturen; Symmetriegruppen, Invarianten, spezielle Funktionen

Literatur

Agricola, Friedrich,    Vektoranalysis,                                                Vieweg/Teubner 2010

A.C. Da Silva,           Lectures on Symplectic Geometry,                    Springer L.N. Math. 1764

J. Snygg,                  Differential Geometry using Clifford's Algebra,   Birkhäuser 2010

T. Frankel                 The Geometry of Physics                                 Cambridge U. P. 2012

M.Desbrun et al.       Discrete exterior calculus,                                arXiv:math/0508341v2

J.Marsden  et al.       Discrete Mechanics and Variational Integrators, Acta numerica. 2001

Modul M1318: Wireless Sensor Networks

Lehrveranstaltungen
Titel Typ SWS LP
Ausgewählte Themen Drahtloser Sensornetzwerke (L1819) Problemorientierte Lehrveranstaltung 1 2
Drahtlose Sensornetze (L1815) Vorlesung 2 2
Drahtlose Sensornetze (L1816) Gruppenübung 1 2
Modulverantwortlicher Prof. Bernd-Christian Renner
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Fertigkeiten
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Lehrveranstaltung L1819: Selected Topics of Wireless Sensor Networks
Typ Problemorientierte Lehrveranstaltung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Bernd-Christian Renner
Sprachen EN
Zeitraum SoSe
Inhalt

Selected topics on sensor network research will be researched in a PBL course by the students in groups and will be presented in a poster session at the end of the term. Topics are:

  • Energy-efficient / low-power Medium Access
  • Energy-efficient / low-power Routing (Data Collection and Data Dissemination)
  • Energy Harvesting
  • Intermittently Powered Sensor Nodes
  • Energy-Aware Load Adaptation and Scheduling
  • Additional Topics will be provided on demand / depending on the number of participants
Literatur

Will be provided individually

Lehrveranstaltung L1815: Wireless Sensor Networks
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Bernd-Christian Renner
Sprachen EN
Zeitraum SoSe
Inhalt
Literatur
Lehrveranstaltung L1816: Wireless Sensor Networks
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Bernd-Christian Renner
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0924: Software für Eingebettete Systeme

Lehrveranstaltungen
Titel Typ SWS LP
Software für Eingebettete Systeme (L1069) Vorlesung 2 3
Software für Eingebettete Systeme (L1070) Gruppenübung 3 3
Modulverantwortlicher Prof. Volker Turau
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Sehr gute Kenntnisse und Erfahrung in Programmiersprache C
  • Grundkenntnisse in Softwaretechnik
  • Prinzipielles Verständnis von Assembler Sprachen
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können die grundlegende Prinzipien und Vorgehensweisen für die Erstellung von Software für eingebettete Systeme erklären. Sie sind in der Lage, ereignisbasierte Programmiertechniken mittels Interrupts zu beschreiben. Sie kennen den Aufbau und Funktion eines konkreten Mikrocontrollers. Die Teilnehmer sind in der Lage, Anforderungen an Echtzeitsysteme zu erläutern. Sie können mindestens drei Scheduling Algorithmen für Echzeitbetriebssysteme erläutern (einschließlich Vor- und Nachteile)

Fertigkeiten Studierende erstellen interrupt-basierte Programme für einen konkreten Mikrocontroller. Sie erstellen und benutzen einen preemptiven scheduler. Sie setzen periphere Komponenten (Timer, ADCs, EEPROM) für komplexe Aufgaben eingebetteter System ein. Für den Anschluss externer Komponenten setzen sie serielle Protokolle ein.
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1069: Software für Eingebettete Systeme
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Volker Turau
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • General-Purpose Processors
  • Programming the Atmel AVR
  • Interrupts
  • C für Embedded Systems
  • Standard Single Purpose Processors: Peripherals
  • Finite-State Machines
  • Speicher
  • Betriebssystem für Eingebettete Systeme
  • Echtzeit Eingebettete Systeme
Literatur
  1. Embedded System Design,  F. Vahid and T. Givargis,  John Wiley
  2. Programming Embedded Systems: With C and Gnu Development Tools, M. Barr and A. Massa, O'Reilly

  3. C und C++ für Embedded Systems,  F. Bollow, M. Homann, K. Köhn,  MITP
  4. The Art of Designing  Embedded Systems, J. Ganssle, Newnses

  5. Mikrocomputertechnik mit Controllern der Atmel AVR-RISC-Familie,  G. Schmitt, Oldenbourg
  6. Making Embedded Systems: Design Patterns for Great Software, E. White, O'Reilly

Lehrveranstaltung L1070: Software für Eingebettete Systeme
Typ Gruppenübung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Volker Turau
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1248: Compiler für Eingebettete Systeme

Lehrveranstaltungen
Titel Typ SWS LP
Compiler für Eingebettete Systeme (L1692) Vorlesung 3 4
Compiler für Eingebettete Systeme (L1693) Fachlabor 1 2
Modulverantwortlicher Prof. Heiko Falk
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Modul "Eingebettete Systeme"

C/C++ Programmierkenntnisse

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Bedeutung Eingebetteter Systeme steigt von Jahr zu Jahr. Innerhalb Eingebetteter Systeme steigt der Software-Anteil, der auf Prozessoren ausgeführt wird, aufgrund geringerer Kosten und höherer Flexibilität ebenso kontinuierlich. Wegen der besonderen Einsatzgebiete Eingebetteter Systeme kommen hier hochgradig spezialisierte Prozessoren zum Einsatz, die applikationsspezifisch auf ihr jeweiliges Einsatzgebiet ausgerichtet sind. Diese hochgradig spezialisierten Prozessoren stellen hohe Anforderungen an einen Compiler, der Code von hoher Qualität generieren soll. Nach erfolgreichem Besuch der Veranstaltung sind die Studierenden in der Lage,

  • Struktur und Aufbau derartiger Compiler aufzuzeigen,
  • interne Zwischendarstellungen auf verschiedenen Abstraktionsniveaus zu unterscheiden und zu erklären, und
  • Probleme und Optimierungen in allen Compilerphasen zu beurteilen.

Wegen der hohen Anforderungen an Compiler für Eingebettete Systeme sind effektive Optimierungen unerlässlich. Die Studierenden lernen insbes.,

  • welche Arten von Optimierungen es auf Quellcode-Niveau gibt,
  • wie die Übersetzung von der Quellsprache nach Assembler abläuft,
  • welche Arten von Optimierungen auf Assembler-Niveau durchzuführen sind,
  • wie die Registerallokation vonstatten geht, und
  • wie Speicherhierarchien effizient ausgenutzt werden.

Da Compiler für Eingebettete Systeme oft verschiedene Zielfunktionen optimieren sollen (z.B. durchschnittliche oder worst-case Laufzeit, Energieverbrauch, Code-Größe), lernen die Studierenden den Einfluss von Optimierungen auf diese verschiedenen Zielfunktionen zu beurteilen.

Fertigkeiten

Studierende werden in die Lage versetzt, hochsprachlichen Programmcode in Maschinensprache zu übersetzen. Die Studierenden erwerben die Fähigkeit zu beurteilen, welche Art von Code-Optimierung innerhalb eines Compilers am effektivsten auf welchem Abstraktionsniveau (bspw. Quell- oder Assemblercode) durchzuführen ist.

Während der Übungen erwerben die Studierenden die Fähigkeit, einen funktionierenden Compiler mitsamt Optimierungen zu implementieren.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, ähnliche Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten, Inhalte der Vorlesung
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Lehrveranstaltung L1692: Compiler für Eingebettete Systeme
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Einleitung und Motivation
  • Compiler für Eingebettete Systeme - Anforderungen und Abhängigkeiten
  • Interne Struktur von Compilern
  • Pre-Pass Optimierungen
  • HIR Optimierungen und Transformationen
  • Code-Generierung
  • LIR Optimierungen und Transformationen
  • Register-Allokation
  • WCET-bewusste Code-Generierung
  • Ausblick
Literatur
  • Peter Marwedel. Embedded System Design - Embedded Systems Foundations of Cyber-Physical Systems. 2nd Edition, Springer, 2012.
  • Steven S. Muchnick. Advanced Compiler Design and Implementation. Morgan Kaufmann, 1997.
  • Andrew W. Appel. Modern compiler implementation in C. Oxford University Press, 1998.
Lehrveranstaltung L1693: Compiler für Eingebettete Systeme
Typ Fachlabor
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0685: Computerorientierte Algebraische Geometrie

Lehrveranstaltungen
Titel Typ SWS LP
Computerorientierte Algebraische Geometrie (L1759) Vorlesung 4 6
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine.
Empfohlene Vorkenntnisse

Höhere Mathematik, insbesondere Analysis, Lineare Algebra und Grundlagen der abstrakten Algebra.

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Wissen: Die Studierenden werden vertraut gemacht mit folgenden Themen:

  • Algebraische Kombinatorik und Abzählung schöner Dinge

  • Ideale, lokale Ringe, Standardbasen und polynomiale Gleichungssysteme

  • Moduln, Syzygien und freie Resolutionen

  • Hilbertpolynome und Dimension projektiver Varietäten

  • Algebraische Invariantentheorie und Codierungstheorie

    Elliptische Kurven und Kryptographie

    Einsatz von CAS





Fertigkeiten

Die Studierenden können Rechnungen zu folgenden Themen durchführen:

  • Algebraische Kombinatorik und Abzählung schöner Dinge

  • Ideale, lokale Ringe, Standardbasen und polynomiale Gleichungssysteme

  • Moduln, Syzygien und freie Resolutionen

  • Hilbertpolynome und Dimension projektiver Varietäten

  • Algebraische Invariantentheorie und Codierungstheorie

    Elliptische Kurven und Kryptographie





  • Algebraische Invariantentheorie und Codierungstheorie
  • Elliptische Kurven und Kryptographie

  • Knotenpolynome und Knotentheorie

  • Homologische Algebra und Sensornetze

  • Garbenkohomologie und globale Daten

    Extensiver Einsatz von CAS.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von einschlägiger Fachliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang Einzelprüfung, 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Lehrveranstaltung L1759: Computerorientierte Algebraische Geometrie
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur

Modul M0943: Network Security

Lehrveranstaltungen
Titel Typ SWS LP
Netzwerk-Sicherheit (L1105) Vorlesung 3 3
Netzwerk-Sicherheit (L1106) Gruppenübung 2 3
Modulverantwortlicher Prof. Dieter Gollmann
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Discrete Mathematics, Computer Networks (TCP/IP)
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can

  • explain the fundamental security services that can be implemented with the methods of modern cryptography, 
  • describe current standardized network security protocols and mechanisms, 
  • follow current methods for the formal analysis of security protocols.
Fertigkeiten

Students are capable of 

  • performing an analysis of network security solutions. 
  • identifying suitable security solutions for given requirements.  
  • recognizing the limitations of existing standard solutions,
  • performing a formal analysis of security protocos.
Personale Kompetenzen
Sozialkompetenz None
Selbstständigkeit Students are capable of acquiring knowledge independently from professional publications, technical  standards, and other sources, and are capable of applying newly acquired knowledge to new problems.
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Wahlpflicht
Lehrveranstaltung L1105: Network Security
Typ Vorlesung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum SoSe
Inhalt
  • Security objectives
  • Security services and cryptographic mechanisms
  • Key establishment: Diffie-Hellman, Kerberos
  • IPsec protocols, mobile IPv6
  • SSL/TLS
  • GSM/UMTS/LTE security protocols
  • WLAN security
  • Firewalls and Intrusion Detection Systems
  • Formal analysis of security protocols
Literatur

W. Stallings: Cryptography and Network Security: Principles and Practice, 6th edition (2013)

A. Menezes, P. van Oorschot, S. Vanstone: Handbook of Applied Cryptography, CRC Press (1997)

D. Gollmann: Computer Security, 3rd edition, Wiley (2011)

V. Niemi, K. Nyberg: UMTS Security, Wiley (2003)

Lehrveranstaltung L1106: Network Security
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0673: Informationstheorie und Codierung

Lehrveranstaltungen
Titel Typ SWS LP
Informationstheorie und Codierung (L0436) Vorlesung 3 4
Informationstheorie und Codierung (L0438) Hörsaalübung 1 2
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik 1-3 
  • Wahrscheinlichkeitsrechnung und Stochastische Prozesse
  •  Grundkenntnisse der Nachrichtentechnik, z.B. aus der Vorlesung "Einführung in die Nachrichtentechnik und deren stochastische Methoden"
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen die grundlegenden Definitionen zur informationstheoretischen Quantifizierung von Information. Sie kennen das Shannonsche Quellencodierungstheorem sowie das Kanalcodierungstheorem und können damit Grenzen der Kompression bzw. der fehlerfreien Datenübertragung bestimmen. Sie verstehen die Grundprinzipien der Datenkompression (Quellencodierung) und der fehlererkennenden und fehlerkorrigierenden Kanalcodierung. Sie sind mit den Prinzipien der Decodierung vertraut, insbesondere mit modernen Verfahren der iterativen Decodierung. Sie kennen grundlegende Codierverfahren, deren Eigenschaften und Decodierverfahren.

Fertigkeiten

Die Studierenden sind in der Lage, die Grenzen der Datenkompression bzw. der Datenübertragungsrate für gestörte Kanäle zu bestimmen und damit ein Übertragungsverfahren zu dimensionieren. Sie sind in der Lage, die Parameter eines fehlererkennenden bzw. fehlerkorrigierenden Kanalcodierungsverfahrens zum Erreichen gegebener Zielvorgaben abzuschätzen. Sie sind in der Lage, die Eigenschaften grundlegender Kanalcodierungs- und Decodierungsverfahren hinsichtlich Fehlerkorrektureigenschaften, Decodierverzögerung und Decodierkomplexität zu vergleichen und ein geeignetes Verfahren auszuwählen. Sie sind in der Lage, grundlegende Codier- und Decodierverfahren in Software zu implementieren.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in fachspezifische Aufgaben gemeinsam bearbeiten.

 

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus geeigneten Literaturquellen selbständig zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (klausurnahe Aufgaben, Software-Tools, Clicker-System) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Kernqualifikation: Pflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0436: Informationstheorie und Codierung
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Grundlagen der Informationstheorie

    • Selbstinformation, Entropie, Mutual Information

    • Quellencodierungstheorem, Kanalcodierungstheorem

    • Kanalkapazität verschiedener Kanäle

  • Grundlegende Algorithmen der Quellencodierung:

    • Huffman Code, Lempel Ziv Algorithmus

  • Grundlagen der Kanalcodierung

    • Grundlegende Parameter der Kanalcodierung und deren Abschätzung durch obere und untere Schranken

    • Prinzipien der Decodierung: Maximum-A-Posteriori Decodierung, Maximum-Likelihood Decodierung, Hard-Decision-Decodierung und Soft-Decision-Decodierung

    • Bestimmung der Fehlerwahrscheinlichkeit

  • Blockcodes

  • Low Density Parity Check (LDPC) Codes und iterative Decodierung

  • Faltungscodes und Viterbi-Decodierung

  • Turbo Codes und iterative Decodierung

  • Codierte Modulation

Literatur

Bossert, M.: Kanalcodierung. Oldenbourg.

Friedrichs, B.: Kanalcodierung. Springer.

Lin, S., Costello, D.: Error Control Coding. Prentice Hall.

Roth, R.: Introduction to Coding Theory.

Johnson, S.: Iterative Error Correction. Cambridge.

Richardson, T., Urbanke, R.: Modern Coding Theory. Cambridge University Press.

Gallager, R. G.: Information theory and reliable communication. Whiley-VCH

Cover, T., Thomas, J.: Elements of information theory. Wiley.

Lehrveranstaltung L0438: Informationstheorie und Codierung
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0653: Hochleistungsrechnen

Lehrveranstaltungen
Titel Typ SWS LP
Grundlagen des Hochleistungsrechnens (L0242) Vorlesung 2 3
Grundlagen des Hochleistungsrechnens (L1416) Problemorientierte Lehrveranstaltung 2 3
Modulverantwortlicher Prof. Thomas Rung
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Allgemeine Grundlagen der angewandten Informationstechnik
  • Programmierkenntnisse in einer höheren Programmiersprache
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Studierende können die Grundlagen der Numerik und Algorithmen von Hochleistungsrechnern unter Verwendung von aktuellen Hardwarebeispielen erläutern. Studierende sind in der Lage, die algorithmische Verknüpfung von Hard- und Softwaremerkmalen zu erklären.
Fertigkeiten

Studierende sind durch ihre Kenntnisse in der Lage, die algorithmischen Effizienz von Simulationsverfahren zu beurteilen.

Personale Kompetenzen
Sozialkompetenz Studierende sind befähigt im Team Algorithmen zu entwickeln und zu kodieren.  
Selbstständigkeit


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 1.5h
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Schiffbau und Meerestechnik: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0242: Grundlagen des Hochleistungsrechnens
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Thomas Rung
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Grundlagen moderner Hardwarearchitektu, kritische Aspekte der rechnerischen bzw. hardwaretechnischen Umsetzung exemplarischer Algorithmen, Konzepte für Shared- und Distributed-Memory-System, Programmierkonzepte für Beschleunigerhardware (GPGPUs)

Literatur
Lehrveranstaltung L1416: Grundlagen des Hochleistungsrechnens
Typ Problemorientierte Lehrveranstaltung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Thomas Rung
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0556: Computer Graphics

Lehrveranstaltungen
Titel Typ SWS LP
Computer-Grafik (L0145) Vorlesung 2 3
Computer-Grafik (L0768) Projektseminar 2 3
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen


Empfohlene Vorkenntnisse

Students are expected to have a solid knowledge of object-oriented programming as well as of linear algebra and geometry.


Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students have acquired a theoretical basis in computer graphics and have a clear understanding of the process of computer animation.



Fertigkeiten

Students have acquired

  • solid skills in modelling and shading,
  • solid skills in computer animation techniques, and
  • a thorough command of Maya, a first-class animation system.




Personale Kompetenzen
Sozialkompetenz

Students are trained in communicating abstract ideas and are familiar with planning and conducting projects within a small team.




Selbstständigkeit

Students are able to direct complex computer animation projects.





Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Projektarbeit
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Lehrveranstaltung L0145: Computer Graphics
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen EN
Zeitraum SoSe
Inhalt

Computer graphics and animation are leading to an unprecedented visual revolution. The course deals with its technological foundations:

  • Object-oriented Computer Graphics
  • Projections and Transformations
  • Polygonal and Parametric Modelling
  • Illuminating, Shading, Rendering
  • Computer Animation Techniques
  • Kinematics and Dynamics Effects

Students will be be working on a series of mini-projects which will eventually evolve into a final project. Learning computer graphics and animation resembles learning a musical instrument. Therefore, doing your projects well and in time is essential for performing well on this course.

Literatur
Alan H. Watt:
3D Computer Graphics.
Harlow: Pearson (3rd ed., repr., 2009).

Dariush Derakhshani:
Introducing Autodesk Maya 2014.
New York, NY : Wiley (2013).

Lehrveranstaltung L0768: Computer Graphics
Typ Projektseminar
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1307: Kryptographie

Lehrveranstaltungen
Titel Typ SWS LP
Kryptographie (L1806) Vorlesung 2 3
Kryptographie (L1807) Gruppenübung 2 3
Modulverantwortlicher Prof. Chris Brzuska
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Einführung in die Informationssicherheit, Grundlagen der Berechenbarkeit und Komplexität
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Kenntnis von kryptographischen Primitiven wie One-Way-Funktionen, digitalen Signaturen, Verschlüsselungsverfahren, key exchange, Zero-Knowledge Beweise etc. sowie die Relationen zwischen den Primitiven, Kenntnis formaler Sicherheitsdefinitionen von kryptographischen Bausteine, Zusammenhänge zwischen Kryptographie und Komplexitätstheorie, insbesondere zu der Frage, ob NP in P enthalten ist.

Fertigkeiten Fähigkeit, Sicherheitsmodelle für kryptographische Primitive zu beurteilen und zu entwickeln. Reduktionen zwischen kryptographischen Primitiven konstruieren und Fähigkeit, zu beurteilen, ob kleine Veränderungen ein kryptographisches Primitiv unsicher machen können.
Personale Kompetenzen
Sozialkompetenz Fähigkeit, Verfahren und Methoden, die intuitiv sicher erscheinen, kritisch zu hinterfragen.
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L1806: Kryptographie
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Chris Brzuska
Sprachen DE/EN
Zeitraum SoSe
Inhalt

Content:
This course is about the foundations of cryptography. We introduce cryptographic security models and concepts and understand the relations between them. We then apply the learnt concepts and techniques to real-world problems. In particular, we cover:
- One-way functions
- Pseudorandomness
- Pseudorandom generators
- Pseudorandom functions
- symmetric encryption
- asymmetric encryption
- message authentication codes
- signature schemes
- secure channels
- recent attacks on real-life protocols such as TLS, IPsec,...

Literatur

Literatur:

- Foundations of Cryptography: Volume 1, Basic Tools, Oded Goldreich, Cambridge University Press 2007, ISBN-10: 0521035368, ISBN-13: 978-0521035361

- Foundations of Cryptography: Volume 2, Basic Applications, Oded Goldreich, Cambridge University Press 2009, ISBN-10: 052111991X, ISBN-13: 978-0521119917

Lehrveranstaltung L1807: Kryptographie
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Chris Brzuska
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur

Literatur:

- Foundations of Cryptography: Volume 1, Basic Tools, Oded Goldreich, Cambridge University Press 2007, ISBN-10: 0521035368, ISBN-13: 978-0521035361

- Foundations of Cryptography: Volume 2, Basic Applications, Oded Goldreich, Cambridge University Press 2009, ISBN-10: 052111991X, ISBN-13: 978-0521119917

Modul M1301: Software Testing

Lehrveranstaltungen
Titel Typ SWS LP
Softwaretesten (L1791) Vorlesung 2 3
Softwaretesten (L1792) Problemorientierte Lehrveranstaltung 2 3
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Software Engineering
  • Higher Programming Languages
  • Algorithms and Data Structures
  • Statistics
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Students explain the different phases of testing, describe fundamental
techniques of different types of testing, and paraphrase the basic
principles of the corresponding test process. They give examples of
software development scenarios and the corresponding test type and
technique. They explain algorithms used for particular testing
techniques and describe possible advantages and limitations.
Fertigkeiten
Students identify the appropriate testing type and technique for a given
problem. They adapt and execute respective algorithms to execute a
concrete test technique properly. They interpret testing results and
execute corresponding steps for proper re-test scenarios. They write and
analyze test specifications. They apply bug finding techniques for
non-trivial problems.
Personale Kompetenzen
Sozialkompetenz

Students discuss relevant topics in class. They defend their solutions orally.
They communicate in English.

Selbstständigkeit

Students can assess their level of knowledge continuously and adjust it appropriately, based on feedback and on self-guided studies. Within limits, they can set their own learning goals. Upon successful completion, students can identify and precisely formulate new problems in academic or applied research in the field of software testing. Within this field, they can conduct independent studies to acquire the necessary competencies and compile their findings in academic reports. They can devise plans to arrive at new solutions or assess existing ones

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Software: Wahlpflicht
Lehrveranstaltung L1791: Software Testing
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Sandro Schulze
Sprachen EN
Zeitraum SoSe
Inhalt
  • Fundamentals of software testing
  • Regression-testing techniques
  • Search-based testing
  • Combinatorial testing
  • Product-line testing
  • Debugging
  • Model-based testing
Literatur
  • M. Pezze and M. Young, Software Testing and Analysis, John Wiley 2008.
  • P. Ammann and J. Offutt, "Introduction to Software Testing", 2nd edition 2015.
  • A. Zeller: "Why Programs Fail: A Guide to Systematic Debugging", 2nd edition 2012.
Lehrveranstaltung L1792: Software Testing
Typ Problemorientierte Lehrveranstaltung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Sandro Schulze
Sprachen EN
Zeitraum SoSe
Inhalt
  • Fundamentals of software testing
  • Regression-testing techniques
  • Search-based testing
  • Combinatorial testing
  • Product-line testing
  • Debugging
  • Model-based testing
Literatur
  • M. Pezze and M. Young, Software Testing and Analysis, John Wiley 2008.
  • P. Ammann and J. Offutt, "Introduction to Software Testing", 2nd edition 2015.
  • A. Zeller: "Why Programs Fail: A Guide to Systematic Debugging", 2nd edition 2012.

Modul M1304: Informationssicherheit in eingebetteten Systemen

Lehrveranstaltungen
Titel Typ SWS LP
Informationssicherheit in eingebetteten Systemen (L1804) Vorlesung 2 3
Informationssicherheit in eingebetteten Systemen (L1805) Gruppenübung 2 3
Modulverantwortlicher Prof. Daniel Ziener
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Technische Informatik

Grundkenntnisse eingebettete Systeme

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Das Modul besteht aus folgende Inhalte:

  • Einleitung und Motivation
    • Was ist Security?
    • Die Bedeutung von Security für zuverlässige Systeme
    • Klassifikation von Angriffen
    • Entwurf eingebetteter Systeme
  • Angriffsszenarien
    • Beispiele von Angriffsszenarien
    • Kryptographischer Algorithmen als Ziel von Angriffen
  • Angriffe durch Einschleusen von Code (Code Injection Attacks)
    • Welche Arten von Code Injection-Angriffe gibt es?
    • Gegenmaßnahmen
  • Invasive physikalische Angriffe (Invasive Physical Attacks)
    • Microprobing
    • Reverse Engineering
    • Differential Fault Analysis
    • Gegenmaßnahmen
  • Nichtinvasive softwarebasierte Angriffe (Non-Invasive Logical Attacks)
    • Erlangen von nicht autorisiertem Zugriff
    • Gegenmaßnahmen
  • Nichtinvasive physikalische Angriffe (Non-Invasive Physical Attacks)
    • Abhören
    • Seitenkanalangriffe
    • Gegenmaßnahmen
Fertigkeiten
  • Die Studierenden legen die entsprechenden Gegenmaßnahmen dar
  • Die Studierenden nennen verschiedene Sicherheitseinrichtungen und -maßnahmen in eingebetteten Systemen
  • Die Studierenden zeigen den Einfluss von Angriffen und deren Gegenmaßnahmen auf die Verlässlichkeit eines eingebetteten Systems auf
  • Die Studierenden zeigen den zusätzlichen Aufwand (Fläche, Rechenzeit) von Sicherheitseinrichtungen auf
  • Die Studierenden klassifizieren verschiedene Angriffstypen auf eingebettete Systeme


Personale Kompetenzen
Sozialkompetenz
  • Die Studierenden erarbeiten kooperativ in Gruppen Lösungskonzepte und implementieren diese gemeinsam


Selbstständigkeit
  • Die Studierenden erarbeiten sich Teilbereiche des Fachgebietes anhand von Fachliteratur selbständig
  • Die Studierenden fügen das erworbene Wissen zusammen, um es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Lehrveranstaltung L1804: Informationssicherheit in eingebetteten Systemen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Daniel Ziener
Sprachen DE/EN
Zeitraum WiSe/SoSe
Inhalt

Der Schutz eingebetteter Systeme gegenüber Angriffe Dritter auf gespeicherte Daten und Implementierungen, stellt eine immer wichtigere, jedoch auch durch zunehmende Vernetzung herausfordernde Aufgabe dar. Der Schutz der eingebetteten Systeme gegenüber bekannten als auch neueren ausgeklügelten Angriffsmöglichkeiten ist Gegenstand dieser Vorlesung. Es wird gezeigt, welche Angriffe existieren, welche Gegenmaßnahmen man ergreifen kann und wie man sichere eingebettete Systeme entwirft.

Die Vorlesung behandelt folgende Inhalte:

  • Einleitung und Motivation
    • Was ist Security?
    • Die Bedeutung von Security für zuverlässige Systeme
    • Klassifikation von Angriffen
    • Entwurf eingebetteter Systeme
  • Angriffsszenarien
    • Beispiele von Angriffsszenarien
    • Kryptographischer Algorithmen als Ziel von Angriffen
  • Angriffe durch Einschleusen von Code (Code Injection Attacks)
    • Welche Arten von Code Injection-Angriffe gibt es?
    • Gegenmaßnahmen
  • Invasive physikalische Angriffe (Invasive Physical Attacks)
    • Microprobing
    • Reverse Engineering
    • Differential Fault Analysis
    • Gegenmaßnahmen
  • Nichtinvasive softwarebasierte Angriffe (Non-Invasive Logical Attacks)
    • Erlangen von nicht autorisiertem Zugriff
    • Gegenmaßnahmen
  • Nichtinvasive physikalische Angriffe (Non-Invasive Physical Attacks)
    • Abhören
    • Seitenkanalangriffe
    • Gegenmaßnahmen
Literatur
  • Catherine H. Gebotys Security in Embedded Devices. Springer 2010.
  • Benoit Badrignans et al. Security Trends for FPGAs. Springer 2011.
  • Daniel Ziener Techniques for Increasing Security and Reliability of IP Cores Embedded in FPGA and ASIC Designs. Dr. Hut 2010.
Lehrveranstaltung L1805: Informationssicherheit in eingebetteten Systemen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Daniel Ziener
Sprachen DE/EN
Zeitraum WiSe/SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0711: Numerische Mathematik II

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Mathematik II (L0568) Vorlesung 2 3
Numerische Mathematik II (L0569) Gruppenübung 2 3
Modulverantwortlicher Prof. Blanca Ayuso Dios
Zulassungsvoraussetzungen

Keine

Empfohlene Vorkenntnisse
  • Numerische Mathematik 1
  • MATLAB Kenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • weiterführende numerische Verfahren zur Interpolation, Integration, Lösung von Ausgleichproblemen, Lösung von Eigenwertproblemen und nichtlinearen Nullstellenproblemen benennen und deren Kernideen erläutern,
  • Konvergenzaussagen zu den numerischen Methoden wiedergeben,

  • Konvergenzbeweise skizzieren,
  • Aspekte der praktischen Durchführung numerischer Verfahren im Hinblick auf Rechenzeit und Speicherbedarf erklären.
Fertigkeiten

Studierende sind in der Lage,

  • vertiefende numerische Methoden in MATLAB zu implementieren, anzuwenden und zu vergleichen,
  • das Konvergenzverhalten numerischen Methoden in Abhängigkeit vom gestellten Problem und des verwendeten Lösungsalgorithmus zu begründen und auf verwandte Problemstellungen zu übertragen
  • zu gegebener Problemstellung einen geeigneten Lösungsansatz zu entwickeln, gegebenenfalls durch Zusammensetzen mehrerer Algorithmen, diesen durchzuführen und die Ergebnisse kritisch auszuwerten.
Personale Kompetenzen
Sozialkompetenz

Studierende können

  • in heterogen zusammengesetzten Teams (d.h. aus unterschiedlichen Studiengängen und mit unterschiedlichem Hintergrundwissen) zusammenarbeiten, sich theoretische Grundlagen erklären sowie bei praktischen Implementierungsaspekten der Algorithmen unterstützen.
Selbstständigkeit

Studierende sind fähig,

  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen,
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0568: Numerische Mathematik II
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  1. Fehler und Stabilität: Begriffe und Abschätzungen
  2. Interpolation: Rationale und trigonometrische Interpolation
  3. Quadratur: Gauß-Quadratur, Orthogonalpolynome
  4. Lineare Systeme: Perturbationstheorie von Zerlegungen, strukturierte Matrizen
  5. Eigenwertaufgaben: LR-, QD-, QR-Algorithmus
  6. Krylovraum-Verfahren: Arnoldi-, Lanczos-Verfahren
Literatur
  • Stoer/Bulirsch: Numerische Mathematik 1, Springer
  • Dahmen, Reusken: Numerik für Ingenieure und Naturwissenschaftler, Springer
Lehrveranstaltung L0569: Numerische Mathematik II
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0942: Software Security

Lehrveranstaltungen
Titel Typ SWS LP
Software-Sicherheit (L1103) Vorlesung 2 3
Software-Sicherheit (L1104) Gruppenübung 2 3
Modulverantwortlicher Prof. Dieter Gollmann
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Familiarity with C/C++, web programming
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can 

  • name the main causes for security vulnerabilities in software 
  • explain current methods for identifying and avoiding security vulnerabilities 
  • explain the fundamental concepts of code-based access control 
Fertigkeiten

Students are capable of 

  • performing a software vulnerability analysis 
  • developing secure code 
Personale Kompetenzen
Sozialkompetenz None
Selbstständigkeit Students are capable of acquiring knowledge independently from professional publications, technical  standards, and other sources, and are capable of applying newly acquired knowledge to new problems. 
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme: Wahlpflicht
Lehrveranstaltung L1103: Software Security
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt
  • Reliabilty and Software Security
  • Attacks exploiting character and integer representations
  • Buffer overruns
  • Vulnerabilities in memory managemet: double free attacks
  • Race conditions
  • SQL injection
  • Cross-site scripting and cross-site request forgery
  • Testing for security; taint analysis
  • Type safe languages
  • Development proceses for secure software
  • Code-based access control


Literatur

M. Howard, D. LeBlanc: Writing Secure Code, 2nd edition, Microsoft Press (2002)

G. Hoglund, G. McGraw: Exploiting Software, Addison-Wesley (2004)

L. Gong, G. Ellison, M. Dageforde: Inside Java 2 Platform Security, 2nd edition, Addison-Wesley (2003)

B. LaMacchia, S. Lange, M. Lyons, R. Martin, K. T. Price: .NET Framework Security, Addison-Wesley Professional (2002)

D. Gollmann: Computer Security, 3rd edition (2011)


Lehrveranstaltung L1104: Software Security
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0839: Traffic Engineering

Lehrveranstaltungen
Titel Typ SWS LP
Seminar Traffic Engineering (L0902) Seminar 2 2
Traffic Engineering (L0900) Vorlesung 2 2
Traffic Engineering Übung (L0901) Gruppenübung 1 2
Modulverantwortlicher Prof. Andreas Timm-Giel
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Fundamentals of communication or computer networks
  • Stochastics
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students are able to describe methods for planning, optimisation and performance evaluation of communication networks.

Fertigkeiten

Students are able to solve typical planning and optimisation tasks for communication networks. Furthermore they are able to evaluate the network performance using queuing theory.

Students are able to apply independently what they have learned to other and new problems. They can present their results in front of experts and discuss them.

Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit

Students are able to acquire the necessary expert knowledge to understand the functionality and performance of new communication networks independently.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Netze: Wahlpflicht
Lehrveranstaltung L0902: Seminar Traffic Engineering
Typ Seminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Andreas Timm-Giel
Sprachen EN
Zeitraum WiSe
Inhalt Selected applications of methods for planning, optimization, and performance evaluation of communication networks, which have been introduced in the traffic engineering lecture are prepared by the students and presented in a seminar.
Literatur
  • U. Killat, Entwurf und Analyse von Kommunikationsnetzen, Vieweg + Teubner
  • further literature announced in the lecture
Lehrveranstaltung L0900: Traffic Engineering
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Andreas Timm-Giel
Sprachen EN
Zeitraum WiSe
Inhalt

Network Planning and Optimization
• Linear Programming (LP)
• Network planning with LP solvers
• Planning of communication networks
Queueing Theory for Communication Networks
• Stochastic processes
• Queueing systems
• Switches (circuit- and packet switching)
• Network of queues

Literatur

Literatur:
U. Killat, Entwurf und Analyse von Kommunikationsnetzen, Springer
Weitere Literatur wird in der Lehrveranstaltung bekanntgegeben
/
 Literature:
U. Killat, Entwurf und Analyse von Kommunikationsnetzen, Springer
further literature announced in the lecture

Lehrveranstaltung L0901: Traffic Engineering Exercises
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Andreas Timm-Giel
Sprachen EN
Zeitraum WiSe
Inhalt

Accompanying exercise for the traffic engineering course

Literatur

Literatur:
U. Killat, Entwurf und Analyse von Kommunikationsnetzen, Springer
Weitere Literatur wird in der Lehrveranstaltung bekanntgegeben / Literature:
U. Killat, Entwurf und Analyse von Kommunikationsnetzen, Springer
further literature announced in the lecture

Modul M0910: Fortgeschrittener Entwurf von Chip-Systemen (Praktikum)

Lehrveranstaltungen
Titel Typ SWS LP
Fortgeschrittener Entwurf von Chip-Systemen (L1061) Problemorientierte Lehrveranstaltung 3 6
Modulverantwortlicher Prof. Heiko Falk
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Erfolgreiche Teilnahme am praktischen FPGA-Labor des Moduls "Rechnerarchitektur" ist zwingende Voraussetzung.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

In diesem Modul werden fortgeschrittene Konzepte der Rechnerarchitektur praxisorientiert vermittelt. Mit Hilfe der Hardware-Beschreibungssprache VHDL und rekonfigurierbarer FPGA-Hardware lernen Studierende, wie komplexe Rechensysteme (sog. Systems-on-Chip, SoCs), wie sie insbesondere im Bereich der eingebetteten Systeme anzutreffen sind, in Hardware zu entwerfen sind.

Ausgehend von einer einfachen Prozessor-Architektur lernen Studierende, die Verarbeitung von Befehlen durch eine Maschine nach dem Pipelining-Prinzip zu realisieren. Sie implementieren verschiedene Formen Cache-basierter Speicher-Hierarchien, untersuchen Ansätze zum dynamischen Scheduling von Maschinenbefehlen und zur Sprungvorhersage, und konstruieren letztlich ein komplexes MPSoC-System (multi-processor system-on-chip), das aus mehreren Kernen besteht, die über einen gemeinsamen Bus verbunden sind.

Fertigkeiten

Die Studierenden können analysieren, wie hochspezifische und individuelle Rechner aus einer Sammlung gängiger Einzelkomponenten zusammengesetzt werden. Sie sind in der Lage, die Wechselwirkungen zwischen einem physischen Rechensystem und der darauf ausgeführten Software beurteilen zu können. Sie sollen so in die Lage versetzt werden, Auswirkungen hardwarenaher Entwurfsentscheidungen auf die Leistung des Gesamtsystems abzuschätzen, zu beurteilen und geeignete Optionen vorzuschlagen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, ähnliche Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachliteratur selbständig zu erarbeiten, das erworbene Wissen in konkrete Implementierungen komplexer Hardware-Strukturen zu überführen und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 138, Präsenzstudium 42
Leistungspunkte 6
Prüfung Projektarbeit
Prüfungsdauer und -umfang VHDL-Code und FPGA-basiere Implementierungen
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Lehrveranstaltung L1061: Fortgeschrittener Entwurf von Chip-Systemen
Typ Problemorientierte Lehrveranstaltung
SWS 3
LP 6
Arbeitsaufwand in Stunden Eigenstudium 138, Präsenzstudium 42
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Einführung in grundlegende Technologien (FPGAs, MIPS Einzelzyklus-Maschine)
  • Fließband-Befehlsverarbeitung
  • Cache-basierte Speicher-Hierarchien
  • Busse und Bus-Arbitrierung
  • Multi-Prozessor Chip-Systeme
  • Optional: Fortgeschrittene Fließband-Konzepte (Dynamisches Scheduling, Sprungvorhersage)
Literatur
  • D. Patterson, J. Hennessy. Rechnerorganisation und -entwurf. Elsevier, 2005.
  • A. Tanenbaum, J. Goodman. Computerarchitektur. Pearson, 2001.
  • A. Clements. The Principles of Computer Hardware. 3. Auflage, Oxford University Press, 2000.

Modul M0549: Wissenschaftliches Rechnen und Genauigkeit

Lehrveranstaltungen
Titel Typ SWS LP
Einschließungsmethoden (L0122) Vorlesung 2 3
Einschließungsmethoden (L1208) Gruppenübung 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse in numerischer Mathematik

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studenten haben vertiefte Kenntnisse von numerischen und seminumerischen Methoden mit dem Ziel, prinzipiell exakte und genaue Fehlerschranken zu berechnen. Für diverse, grundlegende Problemstellungen kennen sie Algorithmen mit der Verifikation der Korrektheit des Resultats.

Fertigkeiten

Die Studenten können für grundlegende Probleme Algorithmen entwerfen, die korrekte Fehlerschranken für die Lösung berechnen und gleichzeitig die Empfindlichkeit in bezug auf Variation der Eingabedaten analysieren.

 

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in kleinen Gruppen fachspezifische Aufgaben gemeinsam bearbeiten und Ergebnisse in geeigneter Weise präsentieren, zum Beispiel während Kleingruppenübungen.

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus den angegebenen Literaturquellen zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Verfahrenstechnik: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Verfahrenstechnik: Vertiefung Chemische Verfahrenstechnik: Wahlpflicht
Lehrveranstaltung L0122: Einschließungsmethoden
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt
  • Schnelle und optimale Intervallarithmetik
  • Fehlerfreie Transformationen
  • Verifikationsmethoden für lineare und nichtlineare Gleichungssysteme
  • Verifikationsmethoden für bestimmte Integrale
  • Behandlung mehrfacher Nullstellen
  • Automatische Differentiation
  • Implementierung in Matlab/INTLAB
  • Praktische Anwendungen
Literatur

Neumaier: Interval Methods for Systems of Equations. In: Encyclopedia of Mathematics and its  Applications. Cambridge University Press, 1990

S.M. Rump. Verification methods: Rigorous results using floating-point arithmetic. Acta Numerica, 19:287-449, 2010.
Lehrveranstaltung L1208: Einschließungsmethoden
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Fachmodule der Vertiefung Intelligence Engineering

Modul M0550: Digital Image Analysis

Lehrveranstaltungen
Titel Typ SWS LP
Digitale Bildanalyse (L0126) Vorlesung 4 6
Modulverantwortlicher Prof. Rolf-Rainer Grigat
Zulassungsvoraussetzungen
Empfohlene Vorkenntnisse

System theory of one-dimensional signals (convolution and correlation, sampling theory, interpolation and decimation, Fourier transform, linear time-invariant systems), linear algebra (Eigenvalue decomposition, SVD), basic stochastics and statistics (expectation values, influence of sample size, correlation and covariance, normal distribution and its parameters), basics of Matlab, basics in optics

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can

  • Describe imaging processes
  • Depict the physics of sensorics
  • Explain linear and non-linear filtering of signals
  • Establish interdisciplinary connections in the subject area and arrange them in their context
  • Interpret effects of the most important classes of imaging sensors and displays using mathematical methods and physical models.


Fertigkeiten

Students are able to

  • Use highly sophisticated methods and procedures of the subject area
  • Identify problems and develop and implement creative solutions.

Students can solve simple arithmetical problems relating to the specification and design of image processing and image analysis systems.

Students are able to assess different solution approaches in multidimensional decision-making areas.

Students can undertake a prototypical analysis of processes in Matlab.


Personale Kompetenzen
Sozialkompetenz


Selbstständigkeit

Students can solve image analysis tasks independently using the relevant literature.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 60 Minuten, Umfang Vorlesung und Materialien im StudIP
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Lehrveranstaltung L0126: Digital Image Analysis
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Rolf-Rainer Grigat
Sprachen EN
Zeitraum WiSe
Inhalt
  • Image representation, definition of images and volume data sets, illumination, radiometry, multispectral imaging, reflectivities, shape from shading
  • Perception of luminance and color, color spaces and transforms, color matching functions, human visual system, color appearance models
  • imaging sensors (CMOS, CCD, HDR, X-ray, IR), sensor characterization(EMVA1288), lenses and optics
  • spatio-temporal sampling (interpolation, decimation, aliasing, leakage, moiré, flicker, apertures)
  • features (filters, edge detection, morphology, invariance, statistical features, texture)
  • optical flow ( variational methods, quadratic optimization, Euler-Lagrange equations)
  • segmentation (distance, region growing, cluster analysis, active contours, level sets, energy minimization and graph cuts)
  • registration (distance and similarity, variational calculus, iterative closest points)
Literatur

Bredies/Lorenz, Mathematische Bildverarbeitung, Vieweg, 2011
Wedel/Cremers, Stereo Scene Flow for 3D Motion Analysis, Springer 2011
Handels, Medizinische Bildverarbeitung, Vieweg, 2000
Pratt, Digital Image Processing, Wiley, 2001
Jain, Fundamentals of Digital Image Processing, Prentice Hall, 1989

Modul M1270: Technischer Ergänzungskurs I für CSMS (laut FSPO)

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Fertigkeiten
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 180, Präsenzstudium 0
Leistungspunkte 6
Prüfung laut FSPO
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht

Modul M0554: Quantitative Methods - Statistics and Operations Research

Lehrveranstaltungen
Titel Typ SWS LP
Quantitative Methoden - Statistik und Operations Research (L0127) Vorlesung 3 4
Quantitative Methoden - Statistik und Operations Research (L0250) Hörsaalübung 2 2
Modulverantwortlicher Prof. Kathrin Fischer
Zulassungsvoraussetzungen None.
Empfohlene Vorkenntnisse

Knowledge of Mathematics on the Bachelor Level. Relevant previous knowledge is taught and tested by an online module.


Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

The students know

  • different methods from the field of descriptive statistics and can explain them and their importance for Business Analysis;
  • different discrete and continuous distribution functions and can explain their meaning and their areas of application
  • the laws of probability theory as, e.g. the Bayes rule, and can explain them;
  • different methods of oinferential statistics - e.g. confidence intervals, hypothesis testing and regression analysis - and can explain their theoretical background;
  • the history and relevance of Operations Research;
  • linear programming methods for solving planning problems and can explain them;
  • selected methods of transportation and network optimization amd can explain them;
  • integer programming models and methods, e.g. for location planning;
  • appropriate software for solving these problems.
Fertigkeiten

Students are able to

  • collect empirical data by appropriate methods, to aggregate, classify and analyze the data and to draw conclusions from them also in complex and realistic situations;
  • recognize different distribution functions and to apply them in the solution of Business problems;
  • apply laws of probability, as e.g. the Bayes rule, to construct solutions for Business problems;
  • select appropriate methods of inferential statistics, apply them to Business problems and evaluate the results of their analysis;
  • construct appropriate quantitative - linear or integer - models for Business planning situations;
  • apply methods from linear and integer programming and interpret and evaluate the results;
  • apply methods from transport and network planning and interpret and evaluate the results;
  • solve the problems with appropriate software, carry out sensitivity analyses and evaluate the results;
  • develop a critical judgement of the different methods and their applicability;
  • use models and methods from Statistics and OR to analyse problems from the areas of business and engineering and to evaluate the results;
  • apply their theoretical knowledge of the different methods to practical problems.
Personale Kompetenzen
Sozialkompetenz

Students are able to

  • engage in scientific discussions on topics from the fields of Statistics and OR;
  • present the results of their work to specialists;
  • work successfully and respectfully in a team.
Selbstständigkeit

Students are able to

  • carry out complex data analyses independently, individually or in a team;
  • solve complex Business planning problems independently or in a team, selecting and using appropriate software;
  • gather knowledge in the area independently and to apply their knowledge also in new and unknown situations;
  • critically evaluate the results of their work and the consequences.
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 3 Stunden (1,5 Stunden Midterm, 1,5 Stunden Abschlussklausur)
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Global Innovation Management: Kernqualifikation: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Kernqualifikation: Pflicht
Lehrveranstaltung L0127: Quantitative Methods - Statistics and Operations Research
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Kathrin Fischer
Sprachen EN
Zeitraum WiSe
Inhalt

Statistics

  • Descriptive Statistics: Graphical representations, calculation of relevant measures of central tendency etc., also by using a computer; application of methods for large data sets, analysis and comparison of results, critical discussion and evaluation of methods;
  • Probability theory: important laws, dependent probabilities, Bayes Rule; application to practical problems;
  • Use and application of probability distributions , as e.g. Binomial and Normal distribution to Management and Engineering problems;
  • Methods of inferential statistics: confidence intervals: theoretical background and applications; hypothesis testing: theoretical background and application to business problems; regression analysis: theoretical background and application.

    Operations Research
  • Linear Programming: Modelling business decision situations, solving problems by Simplex method and by using software, theoretical background of Simplex procedure, Dual Simplex procedure and blocked variables, special cases (degeneracy etc.); sensitivity analysis
  • Transportation planning: Modellung transportation and transshipment problems in global networks; Solving transportation problems using software
  • Network Optimization problems: modelling production and transportation networks, solving planning problems in networks
  • Integer Programming: Models using integer variables, e.g. in location decisions, branch and bound procedure
Literatur

Ausgewählte Bücher:

D.R. Anderson / D.J. Sweeney / T.A. Williams / Martin: Quantitative Methods for Business. 11th Edition, Thomson, South Western 2008.

Bluman, Alan G.: Elementary Statistics - A brief version. Third Edition, McGrawHill 2006.
Bowerman, Bruce L. and O’Connell, Richard T.: Business Statistics in Practice, 4th edition, McGraw-Hill 2007.

Domschke, W., Drexl, A.: Einführung in Operations Research, 7. Auflage, Springer, Berlin et al. 2007.

Domschke, W. / A. Drexl / R. Klein / A. Scholl / S. Voß: Übungen und Fallbeispiele zum Operations Research, 6. Auflage, Springer, Berlin et al. 2007

Hillier, F.S., Lieberman, G.J.: Introduction to Operations Research. 8th Edition, McGraw-Hill, 2005.

Schira, J.: Statistische Methoden der VWL und BWL - Theorie und Praxis. 2. Auflage, Pearson Verlag 2005.

Zudem: Skript und Unterlagen, die  zur Vorlesung herausgegeben werden.


Lehrveranstaltung L0250: Quantitative Methods - Statistics and Operations Research
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Kathrin Fischer
Sprachen EN
Zeitraum WiSe
Inhalt

Statistics

  • Descriptive Statistics: Graphical representations, calculation of relevant measures of central tendency etc., also by using a computer; application of methods for large data sets, analysis and comparison of results, critical discussion and evaluation of methods;
  • Probability theory: important laws, dependent probabilities, Bayes Rule; application to practical problems;
  • Use and application of probability distributions , as e.g. Binomial and Normal distribution to Management and Engineering problems;
  • Methods of inferential statistics: confidence intervals: theoretical background and applications; hypothesis testing: theoretical background and application to business problems; regression analysis: theoretical background and application.

Operations Research

  • Linear Programming: Modelling business decision situations, solving problems by Simplex method and by using software, theoretical background of Simplex procedure, Dual Simplex procedure and blocked variables, special cases (degeneracy etc.); sensitivity analysis
  • Transportation planning: Modellung transportation and transshipment problems in global networks; Solving transportation problems using software
  • Network Optimization problems: modelling production and transportation networks, solving planning problems in networks
  • Integer Programming: Models using integer variables, e.g. in location decisions, branch and bound procedure
Literatur

Ausgewählte Bücher:

D.R. Anderson / D.J. Sweeney / T.A. Williams / Martin: Quantitative Methods for Business. 11th Edition, Thomson, South Western 2008.

Bluman, Alan G.: Elementary Statistics - A brief version. Third Edition, McGrawHill 2006.
Bowerman, Bruce L. and O’Connell, Richard T.: Business Statistics in Practice, 4th edition, McGraw-Hill 2007.

Domschke, W., Drexl, A.: Einführung in Operations Research, 7. Auflage, Springer, Berlin et al. 2007.

Domschke, W. / A. Drexl / R. Klein / A. Scholl / S. Voß: Übungen und Fallbeispiele zum Operations Research, 6. Auflage, Springer, Berlin et al. 2007

Hillier, F.S., Lieberman, G.J.: Introduction to Operations Research. 8th Edition, McGraw-Hill, 2005.

Schira, J.: Statistische Methoden der VWL und BWL - Theorie und Praxis. 2. Auflage, Pearson Verlag 2005.

Zudem: Skript und Unterlagen, die  zur Vorlesung herausgegeben werden.

Modul M0846: Control Systems Theory and Design

Lehrveranstaltungen
Titel Typ SWS LP
Theorie und Entwurf regelungstechnischer Systeme (L0656) Vorlesung 2 4
Theorie und Entwurf regelungstechnischer Systeme (L0657) Gruppenübung 2 2
Modulverantwortlicher Prof. Herbert Werner
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Introduction to Control Systems
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can explain how linear dynamic systems are represented as state space models; they can interpret the system response to initial states or external excitation as trajectories in state space
  • They can explain the system properties controllability and observability, and their relationship to state feedback and state estimation, respectively
  • They can explain the significance of a minimal realisation
  • They can explain observer-based state feedback and how it can be used to achieve tracking and disturbance rejection
  • They can extend all of the above to multi-input multi-output systems
  • They can explain the z-transform and its relationship with the Laplace Transform
  • They can explain state space models and transfer function models of discrete-time systems
  • They can explain the experimental identification of ARX models of dynamic systems, and how the identification problem can be solved by solving a normal equation
  • They can explain how a state space model can be constructed from a discrete-time impulse response

Fertigkeiten
  • Students can transform transfer function models into state space models and vice versa
  • They can assess controllability and observability and construct minimal realisations
  • They can design LQG controllers for multivariable plants
  •  They can carry out a controller design both in continuous-time and discrete-time domain, and decide which is  appropriate for a given sampling rate
  • They can identify transfer function models and state space models of dynamic systems from experimental data
  • They can carry out all these tasks using standard software tools (Matlab Control Toolbox, System Identification Toolbox, Simulink)

Personale Kompetenzen
Sozialkompetenz

Students can work in small groups on specific problems to arrive at joint solutions. 

Selbstständigkeit

Students can obtain information from provided sources (lecture notes, software documentation, experiment guides) and use it when solving given problems.

They can assess their knowledge in weekly on-line tests and thereby control their learning progress.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energietechnik: Kernqualifikation: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Flugzeugsysteme: Pflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: Wahlpflicht
Mechanical Engineering and Management: Vertiefung Mechatronik: Wahlpflicht
Mechatronics: Kernqualifikation: Pflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Pflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Pflicht
Lehrveranstaltung L0656: Control Systems Theory and Design
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum WiSe
Inhalt

State space methods (single-input single-output)

• State space models and transfer functions, state feedback 
• Coordinate basis, similarity transformations 
• Solutions of state equations, matrix exponentials, Caley-Hamilton Theorem
• Controllability and pole placement 
• State estimation, observability, Kalman decomposition 
• Observer-based state feedback control, reference tracking 
• Transmission zeros
• Optimal pole placement, symmetric root locus 
Multi-input multi-output systems
• Transfer function matrices, state space models of multivariable systems, Gilbert realization 
• Poles and zeros of multivariable systems, minimal realization 
• Closed-loop stability
• Pole placement for multivariable systems, LQR design, Kalman filter 

Digital Control
• Discrete-time systems: difference equations and z-transform 
• Discrete-time state space models, sampled data systems, poles and zeros 
• Frequency response of sampled data systems, choice of sampling rate 

System identification and model order reduction 
• Least squares estimation, ARX models, persistent excitation 
• Identification of state space models, subspace identification 
• Balanced realization and model order reduction 

Case study
• Modelling and multivariable control of a process evaporator using Matlab and Simulink 
Software tools
• Matlab/Simulink

Literatur
  • Werner, H., Lecture Notes „Control Systems Theory and Design“
  • T. Kailath "Linear Systems", Prentice Hall, 1980
  • K.J. Astrom, B. Wittenmark "Computer Controlled Systems" Prentice Hall, 1997
  • L. Ljung "System Identification - Theory for the User", Prentice Hall, 1999
Lehrveranstaltung L0657: Control Systems Theory and Design
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0881: Mathematische Bildverarbeitung

Lehrveranstaltungen
Titel Typ SWS LP
Mathematische Bildverarbeitung (L0991) Vorlesung 3 4
Mathematische Bildverarbeitung (L0992) Gruppenübung 1 2
Modulverantwortlicher Prof. Marko Lindner
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Analysis: partielle Ableitungen, Gradient, Richtungsableitung
  • Lineare Algebra: Eigenwerte, lineares Ausgleichsproblem
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können

  • Klassen von Diffusionsgleichungen charakterisieren und vergleichen
  • elementare Methoden der Bildverarbeitung erklären
  • Methoden zur Segmentierung und Registrierung erläutern
  • funktionalanalytische Grundlagen skizzieren und gegenüberstellen
Fertigkeiten

Die Studierenden können 

  • elementare Methoden der Bildverarbeitung implementieren und anwenden  
  • moderne Methoden der Bildverarbeitung erklären und anwenden
Personale Kompetenzen
Sozialkompetenz

Studierende können in heterogen zusammengesetzten Teams (d.h. aus unterschiedlichen Studiengängen und mit unterschiedlichem Hintergrundwissen) zusammenarbeiten und sich theoretische Grundlagen erklären.

Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis mathematischer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume an schwierigen Problemstellungen zu arbeiten.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30
Zuordnung zu folgenden Curricula Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Verfahrenstechnik: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Lehrveranstaltung L0991: Mathematische Bildverarbeitung
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Marko Lindner
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Elementare Methoden der Bildverarbeitung 
  • Glättungsfilter
  • Grundlagen der Diffusions- bzw. Wärmeleitgleichung
  • Variationsformulierungen in der Bildverarbeitung
  • Kantenerkennung
  • Segmentierung
  • Registrierung
Literatur Bredies/Lorenz: Mathematische Bildverarbeitung
Lehrveranstaltung L0992: Mathematische Bildverarbeitung
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Marko Lindner
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0586: Effiziente Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Effiziente Algorithmen (L0120) Vorlesung 2 3
Effiziente Algorithmen (L1207) Gruppenübung 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Programmieren in Matlab und/oder C

Grundkenntnisse in diskreter Mathematik

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können die grundlegenden Theorien, Zusammenhänge und Methoden der Netzwerkalgorithmen und insbesondere deren Datenstrukturen erklären. Sie können das Rechenzeitverhalten wesentlicher Netzwerkalgorithmen beschreiben und analysieren. Die Studierenden können insbesondere zwischen effizient lösbaren und NP-harten Aufgabenstellungen diskriminieren.

Fertigkeiten

Die Studenten können komplexe Problemstellungen analysieren und die Möglichkeiten der Transformation in Netzwerkalgorithmen bestimmen. Sie können grundlegende Algorithmen und Datenstrukturen der linearen Optimierung und Netzwerktheorie effizient implementieren und mögliche Schwachstellen identifizieren. Sie können die Auswirkung der Nutzung verschiedener effizienter Datenstrukturen selbständig analysieren und jene gegebenenfalls einsetzen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in kleinen Gruppen fachspezifische Aufgaben gemeinsam bearbeiten und Ergebnisse in geeigneter Weise präsentieren, zum Beispiel während Kleingruppenübungen.

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus den angegebenen Literaturquellen zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Lehrveranstaltung L0120: Effiziente Algorithmen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt

- Lineare Optimierung

- Datenstrukturen

- Leftist heaps

- Minimum spanning tree

- Shortest path

- Maximum flow

- NP-harte Probleme via max-cut

Literatur

R. E. Tarjan: Data Structures and Network Algorithms. CBMS 44, Society for Industrial and Applied Mathematics, Philadelphia, PA, 1983.

Wesley, 2011 http://algs4.cs.princeton.edu/home/

V. Chvátal, ``Linear Programming'', Freeman, New York, 1983.

Lehrveranstaltung L1207: Effiziente Algorithmen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0667: Algorithmische Algebra

Lehrveranstaltungen
Titel Typ SWS LP
Algorithmische Algebra (L0422) Vorlesung 3 5
Algorithmische Algebra (L0423) Gruppenübung 1 1
Modulverantwortlicher Dr. Prashant Batra
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Mathe I-III (Reelle Analysis,Rechnen in Vektorräumen, Vollst. Induktion)  Diskrete Mathematik I (Gruppen, Ringe, Ideale, Körper; euklidscher Algorithmus)
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern: Smith-Normalform, Chinesischer Restsatz, Gitterpunktsätze, Ganzzahlige Lösung von Ungleichungssystemen.




Fertigkeiten


Studierende sind in der Lage, sich weitere logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.

Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten, wie beispielsweise bei der Lösung multivariater Gleichungssysteme und in der Gitterpunkttheorie.


Personale Kompetenzen
Sozialkompetenz ,
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Lehrveranstaltung L0422: Algorithmische Algebra
Typ Vorlesung
SWS 3
LP 5
Arbeitsaufwand in Stunden Eigenstudium 108, Präsenzstudium 42
Dozenten Dr. Prashant Batra
Sprachen DE
Zeitraum WiSe
Inhalt

 Erweiterter Euklidscher Algorithmus, Lösen der Bezout-Gleichung

Teilen mit Rest in Ringen

Schnelle Rechenalgorithmen (Konversion in Zahlformate, Schnelle Multiplikationen)

Diskrete Fourier-Transformation in Ringe

Rechnen mit modularen Resten, Lösen von Restsystemen (Chinesischer Restsatz), Lösbarkeit ganzzahliger 'Gleichungssysteme

Linearisierung polynomialer Gleichungen - Matrizenansatz

Sylvester-Matrix, Elimination

Elimination in Ringen, Elimination mehrer Veränderlicher

Buchberger-Algorithmus, Gröbner-Basis

Minkowskischer Gitterpunktsatz und Ganzzahlige Optimierung

LLL-Algorithmus zum Auffinden 'kurzer' Vektoren in polynomialer Zeit







Literatur von zur Gathen, Joachim; Gerhard, Jürgen

Modern computer algebra. 3rd ed. (English) Zbl 1277.68002
Cambridge: Cambridge University Press (ISBN 978-1-107-03903-2/hbk; 978-1-139-85606-5/ebook).


Yap, Chee Keng
Fundamental problems of algorithmic algebra. (English) Zbl 0999.68261
Oxford: Oxford University Press. xvi, 511 p. $ 87.00 (2000).


Free download for students from author's website: http://cs.nyu.edu/yap/book/berlin/

Cox, David; Little, John; O’Shea, Donal
Ideals, varieties, and algorithms. An introduction to computational algebraic geometry and commutative algebra. 3rd ed. (English) Zbl 1118.13001
Undergraduate Texts in Mathematics. New York, NY: Springer (ISBN 978-0-387-35650-1/hbk; 978-0-387-35651-8/ebook). xv, 551 p.

eBook: http://dx.doi.org/10.1007/978-0-387-35651-8


Concrete abstract algebra : from numbers to Gröbner bases / Niels Lauritzen
Verfasser: 
Lauritzen, Niels
Ausgabe: 
Reprinted with corr.
Erschienen: 
Cambridge [u.a.] : Cambridge Univ. Press, 2006
Umfang: 
XIV, 240 S. : graph. Darst.
Anmerkung: 
Includes bibliographical references and index
ISBN: 
0-521-82679-9, 978-0-521-82679-2 (hbk.) : GBP 55.00
0-521-53410-0, 978-0-521-53410-9 (pbk.) : USD 39.99

Koepf, Wolfram
Computer algebra. An algorithmic oriented introduction. (Computeralgebra. Eine algorithmisch orientierte Einführung.) (German) Zbl 1161.68881
Berlin: Springer (ISBN 3-540-29894-0/pbk). xiii, 515 p.

springer eBook: http://dx.doi.org/10.1007/3-540-29895-9

Kaplan, Michael
Computer algebra. (Computeralgebra.) (German) Zbl 1093.68148
Berlin: Springer (ISBN 3-540-21379-1/pbk). xii, 391 p.

springer eBook:

http://dx.doi.org/10.1007/b137968



Lehrveranstaltung L0423: Algorithmische Algebra
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dr. Prashant Batra
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0563: Robotics

Lehrveranstaltungen
Titel Typ SWS LP
Robotik: Modellierung und Regelung (L0168) Vorlesung 3 3
Robotik: Modellierung und Regelung (L1305) Gruppenübung 2 3
Modulverantwortlicher Prof. Uwe Weltin
Zulassungsvoraussetzungen
Empfohlene Vorkenntnisse

Fundamentals of electrical engineering

Broad knowledge of mechanics

Fundamentals of control theory

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Students are able to describe fundamental properties of robots and solution approaches for multiple problems in robotics.
Fertigkeiten

Students are able to derive and solve equations of motion for various manipulators.

Students can generate trajectories in various coordinate systems.

Students can design linear and partially nonlinear controllers for robotic manipulators.

Personale Kompetenzen
Sozialkompetenz Students are able to work goal-oriented in small mixed groups.
Selbstständigkeit

Students are able to recognize and improve knowledge deficits independently.

With instructor assistance, students are able to evaluate their own knowledge level and define a further course of study.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
International Production Management: Vertiefung Produktionstechnik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Produktentwicklung und Produktion: Wahlpflicht
Mechanical Engineering and Management: Kernqualifikation: Pflicht
Mechatronics: Kernqualifikation: Pflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktentwicklung: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktion: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Werkstoffe: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Produktentwicklung und Produktion: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0168: Robotics: Modelling and Control
Typ Vorlesung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Uwe Weltin
Sprachen EN
Zeitraum WiSe
Inhalt

Fundamental kinematics of rigid body systems

Newton-Euler equations for manipulators

Trajectory generation

Linear and nonlinear control of robots

Literatur

Craig, John J.: Introduction to Robotics Mechanics and Control, Third Edition, Prentice Hall. ISBN 0201-54361-3

Spong, Mark W.; Hutchinson, Seth;  Vidyasagar, M. : Robot Modeling and Control. WILEY. ISBN 0-471-64990-2


Lehrveranstaltung L1305: Robotics: Modelling and Control
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Uwe Weltin
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0716: Hierarchische Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Hierarchische Algorithmen (L0585) Vorlesung 2 3
Hierarchische Algorithmen (L0586) Gruppenübung 2 3
Modulverantwortlicher Prof. Sabine Le Borne
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik I, II, III für Ingenieurstudierende (deutsch oder englisch) oder Analysis & Lineare Algebra I + II sowie Analysis III für Technomathematiker
  • Programmierkenntnisse in C
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • Vertreter hierarchischer Algorithmen benennen und ihre grundlegenden Merkmale herausstellen,
  • Konstruktionstechniken hierarchischer Algorithmen erklären,
  • Aspekte der effizienten Implementierung von hierarchischen Algorithmen diskutieren. 
Fertigkeiten

Studierende sind in der Lage,

  • die in der Vorlesung behandelten hierarchischen Algorithmen zu implementieren,
  • den Speicherbedarf und die Rechenzeitkomplexität der Algorithmen zu analysieren,
  • die Algorithmen an Problemstellungen unterschiedlicher Anwendungen anzupassen und somit problemadaptierte Varianten zu entwickeln.
Personale Kompetenzen
Sozialkompetenz

Studierende können

  • in heterogen zusammengesetzten Teams (d.h. aus unterschiedlichen Studiengängen und mit unterschiedlichem Hintergrundwissen) zusammenarbeiten, sich theoretische Grundlagen erklären sowie bei praktischen Implementierungsaspekten der Algorithmen unterstützen.
Selbstständigkeit

Studierende sind fähig,

  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen,
  • mit ausreichender Ausdauer komplexe Problemstellungen über längere Zeiträume zu bearbeiten,
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0585: Hierarchische Algorithmen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Niedrigrangmatrizen
  • Separable Entwicklungen
  • Hierarchische Matrixpartitionen
  • Hierarchische Matrizen
  • Formatierte Matrixoperationen
  • Anwendungen
  • weitere Themen
Literatur W. Hackbusch: Hierarchische Matrizen: Algorithmen und Analysis
Lehrveranstaltung L0586: Hierarchische Algorithmen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0955: Matrixtheorie

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Analysis und Matrixtheorie (L0123) Vorlesung 2 3
Numerische Analysis und Matrixtheorie (L1209) Gruppenübung 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse in diskreter Mathematik

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen die grundlegenden Theorien, Zusammenhänge und Methoden der Matrixtheorie. Darüber hinaus kennen sie die Verbindung einzelner Elemente der Matrixtheorie und anderen Teilgebieten der Mathematik, Informatik und Ingenieurwissenschaften.

Fertigkeiten

Die Studierenden können komplexe Problemstellungen aus der Matrixtheorie analysieren und auch unorthodoxe Lösungsmöglichkeiten anwenden.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in kleinen Gruppen fachspezifische Aufgaben gemeinsam bearbeiten und Ergebnisse in geeigneter Weise präsentieren, zum Beispiel während Kleingruppenübungen.

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus den angegebenen Literaturquellen zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Lehrveranstaltung L0123: Numerische Analysis und Matrixtheorie
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Ausgewählte Kapitel aus der Matrixtheorie
Literatur

R.A. Horn and Ch. Johnson, Matrix Analysis. Cambridge University Press, 1985

M. Fiedler: Special matrices and their applications in numerical mathematics. Martinus Nijhoff Publishers, Dordrecht, 1986
 

G.H. Golub, Ch. Van Loan: Matrix Computations. third edition. Johns Hopkins University Press, Baltimore, 1996

Lehrveranstaltung L1209: Numerische Analysis und Matrixtheorie
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0683: Algebraische Statistik für computerorientierte Biologie

Lehrveranstaltungen
Titel Typ SWS LP
Algebraische Statistik für computerorientierte Biologie (L0456) Vorlesung 4 6
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine.
Empfohlene Vorkenntnisse Höhere Mathematik, insbesondere Analysis, Lineare Algebra und Grundlagen der abstrakten Algebra. Grundlagen aus Stochastik und Statistik sind hilfreich.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Wissen: Die Studierenden kennen

  • die wesentlichen Grundkonzepte aus der deskriptiven und schließenden Statistik;
  • das Alignment von Sequenzen, den Needleman-Wunsch-Algorithmus und die parametrisierte Verallgemeinerung;
  • das Hidden-Markov-Modell, den Viterbi-Algorithmus und seine Anwendung auf bioinformatische Aufgabenstellungen;
  • den Expectation-Minimization-Algorithmus und seine Applikation auf statistische Hidden-Modelle;
  • phylogentische Baum-Modelle als Hidden-Modelle, den Felsenstein-Algorithmus und heute in praxi eingesetzte Baummodelle wie etwas das Jukes-Cantor-Modell und seine Verallgemeinerungen;
  • allgemeine algebro-statistische Modelle und Invarianten für solche Modelle;
  • das Divisionsverfahren in multivariaten Polynomringen;
  • Gröbnerbasen und ihre Bedeutung für das Rechnen in multivariaten Polynomringen;
  • das Eliminationsverfahren zur Lösung polynomialer Gleichungssysteme;
  • den Einsatz von geeigneter mathematischer Software zur Lösung von algebro-statistischen Problemen;
  • Markov-Basen und ihre Berechnung anhand von Gröbnerbasen;
  • den Metropolis-Algorithmus für Markov-Modelle;
  • den Einsatz von Markov-Basen für die Auswertung von Kontingenztabellen sowie die Behandlung von Regressionsmodellen und das Hardy-Weinberg-Modell,
  • die Analyse von (partiellen) Rangdaten mithilfe der gewöhnlichen Darstellungstheorie der symmetrischen Gruppen.
Fertigkeiten

Fertigkeiten: Die Studierenden können

  • Alignments von Sequenzen inkl. der notwendigen Parametrisierung berechnen und analysieren;
  • Hidden-Markov-Modelle für algebro-statistische Aufgabenstellungen aufstellen und analysieren;
  • phylogenetische Baum-Modelle für DNA-Sequenzen gegenüberstellen und vergleichen;
  • Gröbnerbasen für algebro-statistische Modelle berechnen und damit Invarianten für derartige Modelle;
  • Markov-Basen für statistische Modelle herleiten und Sampling mithilfe des Metropolis-Algorithmus durchführen;
  • einschlägige mathematische Software (Maple, R, Singular) für die Modellierung von algebro-statistischen Modellen und für Rechnungen in multivariaten Polynomringen einsetzen.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von einschlägiger Fachliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Chemical and Bioprocess Engineering: Vertiefung Bioverfahrenstechnik: Wahlpflicht
Chemical and Bioprocess Engineering: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Lehrveranstaltung L0456: Algebraische Statistik für computerorientierte Biologie
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum WiSe
Inhalt
Literatur

Modul M0551: Pattern Recognition and Data Compression

Lehrveranstaltungen
Titel Typ SWS LP
Mustererkennung und Datenkompression (L0128) Vorlesung 4 6
Modulverantwortlicher Prof. Rolf-Rainer Grigat
Zulassungsvoraussetzungen
Empfohlene Vorkenntnisse

Linear algebra (including PCA, unitary transforms), stochastics and statistics, binary arithmetics

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can name the basic concepts of pattern recognition and data compression.

Students are able to discuss logical connections between the concepts covered in the course and to explain them by means of examples.


Fertigkeiten

Students can apply statistical methods to classification problems in pattern recognition and to prediction in data compression. On a sound theoretical and methodical basis they can analyze characteristic value assignments and classifications and describe data compression and video signal coding. They are able to use highly sophisticated methods and processes of the subject area. Students are capable of assessing different solution approaches in multidimensional decision-making areas.



Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit

Students are capable of identifying problems independently and of solving them scientifically, using the methods they have learnt.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 60 Minuten, Umfang Vorlesung und Materialien im StudIP
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Informationstechnologie: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0128: Pattern Recognition and Data Compression
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Rolf-Rainer Grigat
Sprachen EN
Zeitraum SoSe
Inhalt

Structure of a pattern recognition system, statistical decision theory, classification based on statistical models, polynomial regression, dimension reduction, multilayer perceptron regression, radial basis functions, support vector machines, unsupervised learning and clustering, algorithm-independent machine learning, mixture models and EM, adaptive basis function models and boosting, Markov random fields

Information, entropy, redundancy, mutual information, Markov processes, basic coding schemes (code length, run length coding, prefix-free codes), entropy coding (Huffman, arithmetic coding), dictionary coding (LZ77/Deflate/LZMA2, LZ78/LZW), prediction, DPCM, CALIC, quantization (scalar and vector quantization), transform coding, prediction, decorrelation (DPCM, DCT, hybrid DCT, JPEG, JPEG-LS), motion estimation, subband coding, wavelets, HEVC (H.265,MPEG-H)

Literatur

Schürmann: Pattern Classification, Wiley 1996
Murphy, Machine Learning, MIT Press, 2012
Barber, Bayesian Reasoning and Machine Learning, Cambridge, 2012
Duda, Hart, Stork: Pattern Classification, Wiley, 2001
Bishop: Pattern Recognition and Machine Learning, Springer 2006

Salomon, Data Compression, the Complete Reference, Springer, 2000
Sayood, Introduction to Data Compression, Morgan Kaufmann, 2006
Ohm, Multimedia Communication Technology, Springer, 2004
Solari, Digital video and audio compression, McGraw-Hill, 1997
Tekalp, Digital Video Processing, Prentice Hall, 1995

Modul M1271: Technischer Ergänzungskurs II für CSMS (laut FSPO)

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Fertigkeiten
Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 180, Präsenzstudium 0
Leistungspunkte 6
Prüfung laut FSPO
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht

Modul M0685: Computerorientierte Algebraische Geometrie

Lehrveranstaltungen
Titel Typ SWS LP
Computerorientierte Algebraische Geometrie (L1759) Vorlesung 4 6
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine.
Empfohlene Vorkenntnisse

Höhere Mathematik, insbesondere Analysis, Lineare Algebra und Grundlagen der abstrakten Algebra.

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Wissen: Die Studierenden werden vertraut gemacht mit folgenden Themen:

  • Algebraische Kombinatorik und Abzählung schöner Dinge

  • Ideale, lokale Ringe, Standardbasen und polynomiale Gleichungssysteme

  • Moduln, Syzygien und freie Resolutionen

  • Hilbertpolynome und Dimension projektiver Varietäten

  • Algebraische Invariantentheorie und Codierungstheorie

    Elliptische Kurven und Kryptographie

    Einsatz von CAS





Fertigkeiten

Die Studierenden können Rechnungen zu folgenden Themen durchführen:

  • Algebraische Kombinatorik und Abzählung schöner Dinge

  • Ideale, lokale Ringe, Standardbasen und polynomiale Gleichungssysteme

  • Moduln, Syzygien und freie Resolutionen

  • Hilbertpolynome und Dimension projektiver Varietäten

  • Algebraische Invariantentheorie und Codierungstheorie

    Elliptische Kurven und Kryptographie





  • Algebraische Invariantentheorie und Codierungstheorie
  • Elliptische Kurven und Kryptographie

  • Knotenpolynome und Knotentheorie

  • Homologische Algebra und Sensornetze

  • Garbenkohomologie und globale Daten

    Extensiver Einsatz von CAS.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von einschlägiger Fachliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang Einzelprüfung, 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Lehrveranstaltung L1759: Computerorientierte Algebraische Geometrie
Typ Vorlesung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur

Modul M0630: Robotics and Navigation in Medicine

Lehrveranstaltungen
Titel Typ SWS LP
Robotik und Navigation in der Medizin (L0335) Vorlesung 2 3
Robotik und Navigation in der Medizin (L0338) Projektseminar 2 2
Robotik und Navigation in der Medizin (L0336) Gruppenübung 1 1
Modulverantwortlicher Prof. Alexander Schlaefer
Zulassungsvoraussetzungen

None

Empfohlene Vorkenntnisse
  • principles of math (algebra, analysis/calculus)
  • principles of programming, e.g., in Java or C++
  • solid R or Matlab skills
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

The students can explain kinematics and tracking systems in clinical contexts and illustrate systems and their components in details. Systems can be evaluated with respect to collision detection and  safety and regulations. Students can assess typical systems regarding design and  limitations.

Fertigkeiten

The students are able to design and evaluate navigation systems and robotic systems for medical applications.


Personale Kompetenzen
Sozialkompetenz

The students discuss the results of other groups, provide helpful feedback and can incoorporate feedback into their work.

Selbstständigkeit

The students can reflect their knowledge and document the results of their work. They can present the results in an appropriate manner.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Elektrotechnik: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktentwicklung: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktion: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Werkstoffe: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Bio- und Medizintechnik: Wahlpflicht
Lehrveranstaltung L0335: Robotics and Navigation in Medicine
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen EN
Zeitraum SoSe
Inhalt

- kinematics
- calibration
- tracking systems
- navigation and image guidance
- motion compensation
The seminar extends and complements the contents of the lecture with respect to recent research results.


Literatur

Spong et al.: Robot Modeling and Control, 2005
Troccaz: Medical Robotics, 2012
Further literature will be given in the lecture.

Lehrveranstaltung L0338: Robotics and Navigation in Medicine
Typ Projektseminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0336: Robotics and Navigation in Medicine
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Alexander Schlaefer
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0558: Operations Research

Lehrveranstaltungen
Titel Typ SWS LP
Operations Research (L0155) Vorlesung 2 2
Operations Research - Seminar (L0156) Seminar 2 3
Projekt Operations Research (L1793) Problemorientierte Lehrveranstaltung 1 1
Modulverantwortlicher Prof. Kathrin Fischer
Zulassungsvoraussetzungen

Keine


Empfohlene Vorkenntnisse

Gute Kenntnisse aus dem Modul „Quantitative Methoden“ in den Bereichen Lineare Programmierung, Netzwerkoptimierung und ganzzahlige Optimierung

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Wissen: Die Studierenden haben vertiefte Kenntnisse in den folgenden Bereichen erworben: Sie können

  • Modellierungskonzepte für komplexe lineare und ganzzahlige Probleme in betrieblichen Entscheidungssituationen – z.B. Produktionsentscheidungen oder Investitionsentscheidungen - erläutern;
  • die Dualitätstheorie für lineare Programme verstehen und erklären sowie moderne Lösungsmethoden zur Lösung linearer Programme – z.B. Varianten des Simplexverfahrens (revidierter Simplexalgorithmus, Innere-Punkt-Methoden) darstellen;
  • Erweiterungen der linearen Programmierung um mehrfache Zielsetzungen und Datenunsicherheit erkennen und vornehmen;
  • Ganzzahlige Modelle zur Erfassung logischer Bedingungen und Abhängigkeiten erklären und Anwendungen der ganzzahligen und kombinatorischen Optimierung auf betriebliche Planungsprobleme, insbesondere aus den Bereichen Logistik und Supply Chain Management, beschreiben;
  • Methoden der ganzzahligen Optimierung, wie Branch-and-Bound Verfahren, Schnittebenen-Verfahren und Metaheuristiken erläutern;
  • Strukturen ausgewählter dynamischer und nicht-linearer betrieblicher Problemstellungen erkennen;
  • geeignete Software-Paketen zur Lösung von betrieblichen Optimierungsproblemen einsetzen.

Fertigkeiten

Fertigkeiten: Die Studierenden sind auf Basis des erlernten Wissens in der Lage,

  • Komplexe und auch ihnen noch unbekannte betriebswirtschaftliche und technische  Planungsprobleme, z.B. im Bereich globaler Produktions- und Wertschöpfungsnetzwerke,  geeignet zu modellieren, mit den Methoden des  Operations Research zu analysieren und Lösungen zu entwickeln sowie die Ergebnisse zu interpretieren und kritisch zu bewerten;
  • Die Dualitätstheorie für lineare Programme bei der Analyse betriebswirtschaftlicher Probleme einzusetzen und duale Programme inhaltlich zu interpretieren sowie verschiedene Lösungsmethoden zur Lösung linearer Programme – z.B. Varianten des Simplexverfahrens, Innere-Punkt-Methoden – erfolgreich zur Problemlösung anzuwenden;
  • Lineare Probleme mit mehrfacher Zielsetzung und unter Berücksichtigung von Datenunsicherheiten zu analysieren und zu lösen;
  • Betriebliche Fragestellungen, insbesondere unter Verwendung logischer Bedingungen, als ganzzahlige Optimierungsprobleme zu formulieren und solche Probleme mittels geeigneter exakter – z.B. Branch and Bound Verfahren, Schnittebenenverfahren – und heuristischer – z.B. Metaheuristiken – Verfahren zu lösen sowie die erhaltenen Lösungen zu interpretieren;
  • Methoden der dynamischen Programmierung für zusammenhängende bzw. abhängige Entscheidungen einzusetzen und ausgewählte Probleme der nicht-linearen Optimierung zu analysieren;

  • für eine vorliegende Problemstellung geeignete Methoden des Operations Research zu ihrer Lösung auszuwählen, diese anzuwenden und das theoretische Wissen über einschlägige Methoden somit auch erfolgreich in die Praxis zu übertragen;
  • Zur Lösung der jeweiligen Problemstellungen geeignete Software einzusetzen, mittels Software Problemlösungen zu generieren und diese Lösungen zu interpretieren.
Personale Kompetenzen
Sozialkompetenz

Sozialkompetenz: Die Studierenden sind nach Abschluss des Moduls in der Lage,

  • sich in einem Team von Studierenden erfolgreich selbst zu organisieren und zu koordinieren sowie komplexe betriebliche Planungsaufgaben in vorgegebener Zeit im Team zu lösen;
  • strukturiertes Feedback entsprechend anerkannter Feedbackregeln zu geben und selber Feedback von ihren Kommilitonen anzunehmen;
  • fachspezifische und fachübergreifende Diskussionen zu Themen aus dem Feld des Operations Research und zu Gebieten, in denen die Methoden des Operations Research Anwendung finden, zu führen;
  • ihre Arbeitsergebnisse in verständlicher Form schriftlich zusammenzufassen und mündlich zu präsentieren sowie diese gegenüber anderen zu vertreten;
  • erfolgreich und respektvoll in einem Team zu arbeiten.


Selbstständigkeit

Selbständigkeit: Die Studierenden sind nach Abschluss des Moduls in der Lage,

  • sich Teilbereiche des Fachgebietes anhand von einschlägiger Fachliteratur (Journal Papers) selbständig zu erarbeiten;
  • das erworbene Wissen zusammenzufassen und zu präsentieren und es auch auf komplexe neue Fragestellungen zu übertragen.


Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Hausarbeit
Prüfungsdauer und -umfang Wird in der LV bekannt gegeben.
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung I. Management: Wahlpflicht
Logistik, Infrastruktur und Mobilität: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0155: Operations Research
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Kathrin Fischer
Sprachen DE
Zeitraum SoSe
Inhalt
  • Formulierung komplexer quantitativer Modelle („Die Kunst der Modellierung“): Spezielle lineare Modelle, z.B. periodenübergreifende Lagerhaltung, Beschaffung und Produktion, Portfolio-Modelle, Projektplanungsmodelle, Modelle für das Revenue Management
  • Vertiefung der linearen Programmierung: Dualitätstheorie, Dualitätssätze und ihre Anwendung bei der Interpretation und der Konstruktion von Lösungsverfahren; spezielle Strukturen wie obere und untere Schranken für Variablen; neuere Lösungsverfahren wie revidiertes Simplexverfahren und Innere-Punkt-Methoden
  • Probleme unter mehrfacher Zielsetzung und unter Unsicherheit: Erweiterungen der linearen Programmierung um praxisnahe Aspekte wie mehrere konkurrierende Ziele und unsichere Daten
  • Vertiefung der ganzzahligen Programmierung: Modellierung komplexer Planungsprobleme, z.B. aus dem Bereich der Tourenplanung, und logischer Bedingungen; strukturelle Analysen, Komplexitätstheorie; Lösungsverfahren für ganzzahlige Probleme wie z.B. Branch and Bound Verfahren, Schnittebenen-Verfahren, Greedy-Verfahren, Metaheuristiken
  • Dynamische und nicht-lineare Programmierung und ihre Anwendung in der Betriebswirtschaftslehre
  • Anwendungen der Modelle und Methoden im Bereich Logistik und Supply Chain Management, z.B. bei der Planung neuer Standorte oder von Auslieferungstouren: Modellstrukturen und Lösungsverfahren für ausgewählte Problemstellungen


Literatur

Bücher:

Albright, C., Winston, W.: Management Science Modeling. Revised Third Edition, South-Western 2009.

Eiselt, H.A., Sandblom, C.-L.: Linear Programming and its Applications, Springer 2007.

Eiselt, H.A., Sandblom, C.-L.: Integer Programming and Network Models, Springer 2000.

Eiselt, H.A., Sandblom, C.-L.: Decision Analysis, Location Models, and Scheduling Problems, Springer 2004.

Suhl, L., Mellouli, T.: Optimierungssysteme. Springer, Berlin et al., 2. Auflage, 2009.

Williams, H.P.: Model Building in Mathematical Programming. 5th edition, Wiley & Sons, 2013.

Winston, W., Venkataramanan, M.: Mathematical Programming. Operations Research, Volume 1, 4th Edition, Thomson, London et al. 2003.

Sowie ein Skript, das zur Vorlesung herausgegeben wird.


Lehrveranstaltung L0156: Operations Research - Seminar
Typ Seminar
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Kathrin Fischer
Sprachen DE
Zeitraum SoSe
Inhalt

Im Seminar werden durch Hausarbeiten und Vorträge zu speziellen Themen aus Bereichen der Vorlesung „Operations Research“ die Kenntnisse der Teilnehmer in einigen ausgewählten Gebieten, z.B. im Feld der Humanitären Logistik oder des Internationalen Supply Chain Management, weiter vertieft.

Grundlage der Hausarbeiten und Vorträge bilden dabei in der Regel aktuelle Fachpublikationen aus hoch­rangigen englischsprachigen Zeitschriften wie dem EJOR, den Annals of Operations Research oder Interfaces, welche eine Anwendung eines bestimmten Modells oder Verfahrens für eine ausgewählte Planungssituation behandeln.

Die Studierenden erhalten so die Möglichkeit, das in der Vorlesung erworbene Wissen anzuwenden und sich in eigenständiger Arbeit forschungsorientiert mit dem „State-of-the-Art“ in einem Teilgebiet des Faches Operations Research zu befassen. Durch die eigenständige Einarbeitung in aktuelle Forschungsergebnisse und deren Anwendung auf neue Fragestellungen und Beispiele erwerben die Teilnehmer vertiefte Kompetenzen auf dem Gebiet des Operations Research.

Die Teilnehmerzahl im Seminar (und damit im gesamten Modul) ist auf maximal 36 Teilnehmer beschränkt. Sollte es mehr Interessenten geben, so wird ggf. eine Auswahl der Teilnehmer anhand des in dem Pflichtmodul Quantitative Methods / Quantitative Methoden erzielten Ergebnisses getroffen.



Literatur

Fachartikel (Journal Papers), die zu Beginn des Seminars bekanntgegeben werden.


Lehrveranstaltung L1793: Projekt Operations Research
Typ Problemorientierte Lehrveranstaltung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Kathrin Fischer
Sprachen DE
Zeitraum SoSe
Inhalt
Literatur

Modul M0556: Computer Graphics

Lehrveranstaltungen
Titel Typ SWS LP
Computer-Grafik (L0145) Vorlesung 2 3
Computer-Grafik (L0768) Projektseminar 2 3
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen


Empfohlene Vorkenntnisse

Students are expected to have a solid knowledge of object-oriented programming as well as of linear algebra and geometry.


Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students have acquired a theoretical basis in computer graphics and have a clear understanding of the process of computer animation.



Fertigkeiten

Students have acquired

  • solid skills in modelling and shading,
  • solid skills in computer animation techniques, and
  • a thorough command of Maya, a first-class animation system.




Personale Kompetenzen
Sozialkompetenz

Students are trained in communicating abstract ideas and are familiar with planning and conducting projects within a small team.




Selbstständigkeit

Students are able to direct complex computer animation projects.





Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Projektarbeit
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Lehrveranstaltung L0145: Computer Graphics
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen EN
Zeitraum SoSe
Inhalt

Computer graphics and animation are leading to an unprecedented visual revolution. The course deals with its technological foundations:

  • Object-oriented Computer Graphics
  • Projections and Transformations
  • Polygonal and Parametric Modelling
  • Illuminating, Shading, Rendering
  • Computer Animation Techniques
  • Kinematics and Dynamics Effects

Students will be be working on a series of mini-projects which will eventually evolve into a final project. Learning computer graphics and animation resembles learning a musical instrument. Therefore, doing your projects well and in time is essential for performing well on this course.

Literatur
Alan H. Watt:
3D Computer Graphics.
Harlow: Pearson (3rd ed., repr., 2009).

Dariush Derakhshani:
Introducing Autodesk Maya 2014.
New York, NY : Wiley (2013).

Lehrveranstaltung L0768: Computer Graphics
Typ Projektseminar
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1302: Angewandte Humanoide Robotik

Lehrveranstaltungen
Titel Typ SWS LP
Humanoide Robotik (L1794) Problemorientierte Lehrveranstaltung 6 6
Modulverantwortlicher Prof. Herbert Werner
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Objektorientierte Programmierung, Algorithmen und Datenstrukturen
  • Grundlagen der Regelungstechnik
  • Control systems theory and design
  • Mechanik
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Die Studierenden können Eigenschaften der humanoiden Robotik nennen und erläutern.
  • Die Studierenden können die grundlegenden Theorien, Zusammenhänge und Methoden der Vorwärts- & Rückwärtskinematik von humanoiden Robotersystemen erklären.
  • Die Studierenden können Regelkonzepte für verschiedene Aufgaben der Humanoiden Robotik anwenden.
Fertigkeiten
  • Die Studierenden können die Modelle der Systeme der humanoiden Robotik in Matlab und C++ implementieren und diese Modelle für Bewegungen des Roboters oder andere Aufgaben nutzen.
  • Sie sind in der Lage die Modelle in Matlab für Simulationen zu nutzen und dann ggf. auch mit C++ Code auf dem realen Robotersystem zu testen.
  • Sie sind darüber hinaus in der Lage, für eine abstrakte Aufgabenstellung, für die es keine standardisierte Lösung gibt, Methoden auszuwählen, die zu gewünschten Ergebnissen führen.
Personale Kompetenzen
Sozialkompetenz
  • Die Studierenden können in fachlich gemischten Teams gemeinsame Lösungen entwickeln und diese vor anderen vertreten.
  • Sie sind in der Lage angemessenes Feedback zu geben und mit Rückmeldungen zu ihren eigenen Leistungen konstruktiv umzugehen.
Selbstständigkeit
  • Die Studierenden sind in der Lage, die notwendigen Informationen aus den angegebenen Literaturquellen zu beschaffen und in den Kontext der Lehrveranstaltung zu setzen.
  • Sie können sich eigenständig Aufgaben definieren und geeignete Mittel zur Umsetzung einsetzen.
Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Prüfung Kolloquium
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Bio- und Medizintechnik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1794: Humanoide Robotik
Typ Problemorientierte Lehrveranstaltung
SWS 6
LP 6
Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Dozenten Prof. Herbert Werner
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Grundlagen der Kinematik
  • Grundlagen der statischen und dynamischen Stabilität humanoider Robotersysteme
  • Verknüpfung verschiedener Entwicklungsumgebungen (Matlab, C++, etc.)
  • Einarbeitung in die notwendigen Frameworks
  • Bearbeitung einer Projektaufgabe im Team
  • Präsentation und Demonstration von Zwischen- und Endergebnissen
Literatur
  • B. Siciliano, O. Khatib. "Handbook of Robotics. Part A: Robotics Foundations", Springer (2008)

Modul M0711: Numerische Mathematik II

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Mathematik II (L0568) Vorlesung 2 3
Numerische Mathematik II (L0569) Gruppenübung 2 3
Modulverantwortlicher Prof. Blanca Ayuso Dios
Zulassungsvoraussetzungen

Keine

Empfohlene Vorkenntnisse
  • Numerische Mathematik 1
  • MATLAB Kenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • weiterführende numerische Verfahren zur Interpolation, Integration, Lösung von Ausgleichproblemen, Lösung von Eigenwertproblemen und nichtlinearen Nullstellenproblemen benennen und deren Kernideen erläutern,
  • Konvergenzaussagen zu den numerischen Methoden wiedergeben,

  • Konvergenzbeweise skizzieren,
  • Aspekte der praktischen Durchführung numerischer Verfahren im Hinblick auf Rechenzeit und Speicherbedarf erklären.
Fertigkeiten

Studierende sind in der Lage,

  • vertiefende numerische Methoden in MATLAB zu implementieren, anzuwenden und zu vergleichen,
  • das Konvergenzverhalten numerischen Methoden in Abhängigkeit vom gestellten Problem und des verwendeten Lösungsalgorithmus zu begründen und auf verwandte Problemstellungen zu übertragen
  • zu gegebener Problemstellung einen geeigneten Lösungsansatz zu entwickeln, gegebenenfalls durch Zusammensetzen mehrerer Algorithmen, diesen durchzuführen und die Ergebnisse kritisch auszuwerten.
Personale Kompetenzen
Sozialkompetenz

Studierende können

  • in heterogen zusammengesetzten Teams (d.h. aus unterschiedlichen Studiengängen und mit unterschiedlichem Hintergrundwissen) zusammenarbeiten, sich theoretische Grundlagen erklären sowie bei praktischen Implementierungsaspekten der Algorithmen unterstützen.
Selbstständigkeit

Studierende sind fähig,

  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen,
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Wissenschaftliches Rechnen: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informations- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Vertiefung Numerik und Informatik: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0568: Numerische Mathematik II
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  1. Fehler und Stabilität: Begriffe und Abschätzungen
  2. Interpolation: Rationale und trigonometrische Interpolation
  3. Quadratur: Gauß-Quadratur, Orthogonalpolynome
  4. Lineare Systeme: Perturbationstheorie von Zerlegungen, strukturierte Matrizen
  5. Eigenwertaufgaben: LR-, QD-, QR-Algorithmus
  6. Krylovraum-Verfahren: Arnoldi-, Lanczos-Verfahren
Literatur
  • Stoer/Bulirsch: Numerische Mathematik 1, Springer
  • Dahmen, Reusken: Numerik für Ingenieure und Naturwissenschaftler, Springer
Lehrveranstaltung L0569: Numerische Mathematik II
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0840: Optimal and Robust Control

Lehrveranstaltungen
Titel Typ SWS LP
Optimale und robuste Regelung (L0658) Vorlesung 2 3
Optimale und robuste Regelung (L0659) Gruppenübung 2 3
Modulverantwortlicher Prof. Herbert Werner
Zulassungsvoraussetzungen

Control Systems Theory and Design

Empfohlene Vorkenntnisse
  • Classical control (frequency response, root locus)
  • State space methods
  • Linear algebra, singular value decomposition
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can explain the significance of the matrix Riccati equation for the solution of LQ problems.
  • They can explain the duality between optimal state feedback and optimal state estimation.
  • They can explain how the H2 and H-infinity norms are used to represent stability and performance constraints.
  • They can explain how an LQG design problem can be formulated as special case of an H2 design problem.
  • They  can explain how model uncertainty can be represented in a way that lends itself to robust controller design
  • They can explain how - based on the small gain theorem - a robust controller can guarantee stability and performance for an uncertain plant.
  • They understand how analysis and synthesis conditions on feedback loops can be represented as linear matrix inequalities.
Fertigkeiten
  • Students are capable of designing and tuning LQG controllers for multivariable plant models.
  • They are capable of representing a H2 or H-infinity design problem in the form of a generalized plant, and of using standard software tools for solving it.
  • They are capable of translating time and frequency domain specifications for control loops into constraints on closed-loop sensitivity functions, and of carrying out a mixed-sensitivity design.
  • They are capable of constructing an LFT uncertainty model for an uncertain system, and of designing a mixed-objective robust controller.
  • They are capable of formulating analysis and synthesis conditions as linear matrix inequalities (LMI), and of using standard LMI-solvers for solving them.
  • They can carry out all of the above using standard software tools (Matlab robust control toolbox).
Personale Kompetenzen
Sozialkompetenz Students can work in small groups on specific problems to arrive at joint solutions. 
Selbstständigkeit

Students are able to find required information in sources provided (lecture notes, literature, software documentation) and use it to solve given problems. 


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Energietechnik: Kernqualifikation: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Flugzeugsysteme: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktentwicklung: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Produktion: Wahlpflicht
Produktentwicklung, Werkstoffe und Produktion: Vertiefung Werkstoffe: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0658: Optimal and Robust Control
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum SoSe
Inhalt
  • Optimal regulator problem with finite time horizon, Riccati differential equation
  • Time-varying and steady state solutions, algebraic Riccati equation, Hamiltonian system
  • Kalman’s identity, phase margin of LQR controllers, spectral factorization
  • Optimal state estimation, Kalman filter, LQG control
  • Generalized plant, review of LQG control
  • Signal and system norms, computing H2 and H∞ norms
  • Singular value plots, input and output directions
  • Mixed sensitivity design, H∞ loop shaping, choice of weighting filters
  • Case study: design example flight control
  • Linear matrix inequalities, design specifications as LMI constraints (H2, H∞ and pole region)
  • Controller synthesis by solving LMI problems, multi-objective design
  • Robust control of uncertain systems, small gain theorem, representation of parameter uncertainty
Literatur
  • Werner, H., Lecture Notes: "Optimale und Robuste Regelung"
  • Boyd, S., L. El Ghaoui, E. Feron and V. Balakrishnan "Linear Matrix Inequalities in Systems and Control", SIAM, Philadelphia, PA, 1994
  • Skogestad, S. and I. Postlewhaite "Multivariable Feedback Control", John Wiley, Chichester, England, 1996
  • Strang, G. "Linear Algebra and its Applications", Harcourt Brace Jovanovic, Orlando, FA, 1988
  • Zhou, K. and J. Doyle "Essentials of Robust Control", Prentice Hall International, Upper Saddle River, NJ, 1998
Lehrveranstaltung L0659: Optimal and Robust Control
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0832: Advanced Topics in Control

Lehrveranstaltungen
Titel Typ SWS LP
Ausgewählte Themen der Regelungstechnik (L0661) Vorlesung 2 3
Ausgewählte Themen der Regelungstechnik (L0662) Gruppenübung 2 3
Modulverantwortlicher Prof. Herbert Werner
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse H-infinity optimal control, mixed-sensitivity design, linear matrix inequalities 
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can explain the advantages and shortcomings of the classical gain scheduling approach
  • They can explain the representation of nonlinear systems in the form of quasi-LPV systems
  • They can explain how stability and performance conditions for LPV systems can be formulated as LMI conditions
  • They can explain how gridding techniques can be used to solve analysis and synthesis problems for LPV systems
  • They are familiar with polytopic and LFT representations of LPV systems and some of the basic synthesis techniques associated with each of these model structures


  • Students can explain how graph theoretic concepts are used to represent the communication topology of multiagent systems
  • They can explain the convergence properties of  first order consensus protocols
  • They can explain analysis and synthesis conditions for formation control loops involving either LTI or LPV agent models


  • Students can explain the state space representation of spatially invariant distributed systems that are discretized according to an actuator/sensor array
  • They can explain (in outline) the extension of the bounded real lemma to such distributed systems and the associated synthesis conditions for distributed controllers

Fertigkeiten
  • Students are capable of constructing LPV models of nonlinear plants and carry out a mixed-sensitivity design of gain-scheduled controllers; they can do this using polytopic, LFT or general LPV models 
  • They are able to use standard software tools (Matlab robust control toolbox) for these tasks


  • Students are able to design distributed formation controllers for groups of agents with either LTI or LPV dynamics, using Matlab tools provided


  • Students are able to design distributed controllers for spatially interconnected systems, using the Matlab MD-toolbox
Personale Kompetenzen
Sozialkompetenz Students can work in small groups and arrive at joint results.
Selbstständigkeit

Students are able to find required information in sources provided (lecture notes, literature, software documentation) and use it to solve given problems. 


 
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Elektrotechnik: Vertiefung Regelungs- und Energietechnik: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Flugzeugsysteme: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Internationales Wirtschaftsingenieurwesen: Vertiefung II. Mechatronik: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L0661: Advanced Topics in Control
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum WiSe
Inhalt
  • Linear Parameter-Varying (LPV) Gain Scheduling

    - Linearizing gain scheduling, hidden coupling
    - Jacobian linearization vs. quasi-LPV models
    - Stability and induced L2 norm of LPV systems
    - Synthesis of LPV controllers based on the two-sided projection lemma
    - Simplifications: controller synthesis for polytopic and LFT models
    - Experimental identification of LPV models
    - Controller synthesis based on input/output models
    - Applications: LPV torque vectoring for electric vehicles, LPV control of a robotic manipulator
  • Control of Multi-Agent Systems

    - Communication graphs
    - Spectral properties of the graph Laplacian
    - First and second order consensus protocols
    - Formation control, stability and performance
    - LPV models for agents subject to nonholonomic constraints
    - Application: formation control for a team of quadrotor helicopters
  • Control of Spatially Interconnected Systems

    - Multidimensional signals, l2 and L2 signal norm
    - Multidimensional systems in Roesser state space form
    - Extension of real-bounded lemma to spatially interconnected systems
    - LMI-based synthesis of distributed controllers
    - Spatial LPV control of spatially varying systems
    - Applications: control of temperature profiles, vibration damping for an actuated beam
Literatur
  • Werner, H., Lecture Notes "Advanced Topics in Control"
  • Selection of relevant research papers made available as pdf documents via StudIP
Lehrveranstaltung L0662: Advanced Topics in Control
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1249: Numerische Verfahren in der medizinischen Bildgebung

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Verfahren in der medizinischen Bildgebung (L1694) Vorlesung 2 3
Numerische Verfahren in der medizinischen Bildgebung (L1695) Gruppenübung 2 3
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse in Linear Algebra, insbesondere im Lösen von Gleichungssystemen

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage, für verschiedene tomographische Bildgebungsmodalitäten Rekonstruktionsverfahren zu beschreiben. Insbesondere können die in der Computertomographie verwendeten Methoden, wie die gefilterte Rückprojektion, erläutert werden. Die Studierenden sind in der Lage die inversen Probleme hinter den verschiedenen Bildgebungsverfahren zu formulieren und Lösungsansätze zu beschreiben.



Fertigkeiten

Die Studierenden sind dazu in der Lage, Rekonstruktionsverfahren zu implementieren und diese anhand von tomographischen Messdaten zu testen. Sie können die rekonstruierten Bilder visualisieren und die Qualität ihrer Daten und Resultate und beurteilen.

Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Elektrotechnik: Vertiefung Medizintechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Lehrveranstaltung L1694: Numerische Verfahren in der medizinischen Bildgebung
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen DE
Zeitraum WiSe
Inhalt

In der Vorlesung werden numerische Verfahren in der medizinischen Bildgebung vorgestellt. Dies beinhaltet sowohl die physikalischen Grundprinzipien der tomographischen Verfahren als auch Algorithmen für die Bildrekonstruktion. Neben Radonbasierten Verfahren wie die Computertomographie werden magnetische Verfahren wie die Magnetresonanztomographie und das Magnetic-Particle-Imaging behandelt.

Literatur

Bildgebende Verfahren in der Medizin; O. Dössel; Springer, Berlin, 2000

Bildgebende Systeme für die medizinische Diagnostik; H. Morneburg (Hrsg.); Publicis MCD, München, 1995

Introduction to the Mathematics of Medical Imaging; C. L.Epstein; Siam, Philadelphia, 2008

Medical Image Processing, Reconstruction and Restoration; J. Jan; Taylor and Francis, Boca Raton, 2006

Principles of Magnetic Resonance Imaging; Z.-P. Liang and P. C. Lauterbur; IEEE Press, New York, 1999

Lehrveranstaltung L1695: Numerische Verfahren in der medizinischen Bildgebung
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0552: 3D Computer Vision

Lehrveranstaltungen
Titel Typ SWS LP
3D Computer Vision (L0129) Vorlesung 2 3
3D Computer Vision (L0130) Gruppenübung 2 3
Modulverantwortlicher Prof. Rolf-Rainer Grigat
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Knowlege of the modules Digital Image Analysis and Pattern Recognition and Data Compression are used in the practical task
  • Linear Algebra (including PCA, SVD), nonlinear optimization (Levenberg-Marquardt), basics of stochastics and basics of Matlab are required and cannot be explained in detail during the lecture.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can explain and describe the field of projective geometry.

Fertigkeiten

Students are capable of

  • Implementing an exemplary 3D or volumetric analysis task
  • Using highly sophisticated methods and procedures of the subject area
  • Identifying problems and
  • Developing and implementing creative solution suggestions.

With assistance from the teacher students are able to link the contents of the three subject areas (modules)

  • Digital Image Analysis 
  • Pattern Recognition and Data Compression
    and 
  • 3D Computer Vision 

in practical assignments.

Personale Kompetenzen
Sozialkompetenz

Students can collaborate in a small team on the practical realization and testing of a system to reconstruct a three-dimensional scene or to evaluate volume data sets.

Selbstständigkeit

Students are able to solve simple tasks independently with reference to the contents of the lectures and the exercise sets.

Students are able to solve detailed problems independently with the aid of the tutorial’s programming task.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 60 Minuten, Umfang Vorlesung und Materialien im StudIP
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Mechanical Engineering and Management: Vertiefung Mechatronik: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Lehrveranstaltung L0129: 3D Computer Vision
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Rolf-Rainer Grigat
Sprachen EN
Zeitraum WiSe
Inhalt
  • Projective Geometry and Transformations in 2D und 3D in homogeneous coordinates
  • Projection matrix, calibration
  • Epipolar Geometry, fundamental and essential matrices, weak calibration, 5 point algorithm
  • Homographies 2D and 3D
  • Trifocal Tensor
  • Correspondence search
Literatur
  • Skriptum Grigat/Wenzel
  • Hartley, Zisserman: Multiple View Geometry in Computer Vision. Cambridge 2003.
Lehrveranstaltung L0130: 3D Computer Vision
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Rolf-Rainer Grigat
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0738: Digital Audio Signal Processing

Lehrveranstaltungen
Titel Typ SWS LP
Digitale Audiosignalverarbeitung (L0650) Vorlesung 3 4
Digitale Audiosignalverarbeitung (L0651) Hörsaalübung 1 2
Modulverantwortlicher Prof. Udo Zölzer
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

Signals and Systems

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können die grundlegenden Verfahren und Methoden der digitalen Audiosignalverarbeitung erklären. Sie können die wesentlichen physikalischen Effekte bei der Sprach- und Audiosignalverarbeitung erläutern und in Kategorien einordnen. Sie können einen Überblick der numerischen Methoden und messtechnischen Charakterisierung von Algorithmen zur Audiosignalverarbeitung geben. Sie können die erarbeiteten Algorithmen auf weitere Anwendungen im Bereich der Informationstechnik und Informatik abstrahieren.

Fertigkeiten

The students will be able to apply methods and techniques from audio signal processing in the fields of mobile and internet communication. They can rely on elementary algorithms of audio signal processing in form of Matlab code and interactive JAVA applets. They can study parameter modifications and evaluate the influence on human perception and technical applications in a variety of applications beyond audio signal processing. Students can perform measurements in time and frequency domain in order to give objective and subjective quality measures with respect to the methods and applications.

Personale Kompetenzen
Sozialkompetenz

The students can work in small groups to study special tasks and problems and will be enforced to present their results with adequate methods during the exercise.

Selbstständigkeit

The students will be able to retrieve information out of the relevant literature in the field and putt hem into the context of the lecture. They can relate their gathered knowledge and relate them to other lectures (signals and systems, digital communication systems, image and video processing, and pattern recognition). They will be prepared to understand and communicate problems and effects in the field audio signal processing.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 45 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Intelligence Engineering: Wahlpflicht
Elektrotechnik: Vertiefung Nachrichten- und Kommunikationstechnik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Systemtechnik - Robotik: Wahlpflicht
Information and Communication Systems: Vertiefung Sichere und zuverlässige IT-Systeme, Schwerpunkt Software und Signalverarbeitung : Wahlpflicht
Information and Communication Systems: Vertiefung Kommunikationssysteme, Schwerpunkt Signalverarbeitung: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Communication and Signal Processing: Wahlpflicht
Lehrveranstaltung L0650: Digital Audio Signal Processing
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Udo Zölzer
Sprachen EN
Zeitraum WiSe
Inhalt
  • Introduction (Studio Technology,  Digital Transmission Systems, Storage Media, Audio Components at Home)

  • Quantization (Signal Quantization, Dither, Noise Shaping, Number Representation)

  • AD/DA Conversion (Methods, AD Converters, DA Converters, Audio Processing Systems, Digital Signal Processors, Digital Audio Interfaces, Single-Processor Systems, Multiprocessor Systems)

  • Equalizers (Recursive Audio Filters, Nonrecursive Audio Filters, Multi-Complementary Filter Bank)

  • Room Simulation (Early Reflections, Subsequent Reverberation, Approximation of Room Impulse Responses)

  • Dynamic Range Control (Static Curve, Dynamic Behavior, Implementation, Realization Aspects)

  • Sampling Rate Conversion (Synchronous Conversion, Asynchronous Conversion, Interpolation Methods)

  • Data Compression (Lossless Data Compression, Lossy Data Compression, Psychoacoustics, ISO-MPEG1 Audio Coding)

Literatur

- U. Zölzer, Digitale Audiosignalverarbeitung, 3. Aufl., B.G. Teubner, 2005.

- U. Zölzer, Digitale Audio Signal Processing, 2nd Edition, J. Wiley & Sons, 2005.


- U. Zölzer (Ed), Digital Audio Effects, 2nd Edition, J. Wiley & Sons, 2011.


 






Lehrveranstaltung L0651: Digital Audio Signal Processing
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Udo Zölzer
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Thesis

Modul M-002: Masterarbeit

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Professoren der TUHH
Zulassungsvoraussetzungen
  • Laut ASPO § 24 (1):

    Es müssen mindestens 78 Leistungspunkte im Studiengang erworben worden sein. Über Ausnahmen entscheidet der Prüfungsausschuss.


Empfohlene Vorkenntnisse keine
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Die Studierenden können das Spezialwissen (Fakten, Theorien und Methoden) ihres Studienfaches sicher zur Bearbeitung fachlicher Fragestellungen einsetzen.
  • Die Studierenden können in einem oder mehreren Spezialbereichen ihres Faches die relevanten Ansätze und Terminologien in der Tiefe erklären, aktuelle Entwicklungen beschreiben und kritisch Stellung beziehen.
  • Die Studierenden können eine eigene Forschungsaufgabe in ihrem Fachgebiet verorten, den Forschungsstand erheben und kritisch einschätzen.


Fertigkeiten
  • Die Studierenden sind in der Lage, für die jeweilige fachliche Problemstellung geeignete Methoden auszuwählen, anzuwenden und ggf. weiterzuentwickeln.
  • Die Studierenden sind in der Lage, im Studium erworbenes Wissen und erlernte Methoden auch auf komplexe und/oder unvollständig definierte Problemstellungen lösungsorientiert anzuwenden.
  • Die Studierenden können in ihrem Fachgebiet neue wissenschaftliche Erkenntnisse erarbeiten und diese kritisch beurteilen.


Personale Kompetenzen
Sozialkompetenz

Studierende können

  • eine wissenschaftliche Fragestellung für ein Fachpublikum sowohl schriftlich als auch mündlich strukturiert, verständlich und sachlich richtig darstellen.
  • in einer Fachdiskussion Fragen fachkundig und zugleich adressatengerecht beantworten und dabei eigene Einschätzungen überzeugend vertreten.


Selbstständigkeit

Studierende sind fähig,

  • ein eigenes Projekt in Arbeitspakete zu strukturieren und abzuarbeiten.
  • sich in ein teilweise unbekanntes Arbeitsgebiet des Studiengangs vertieft einzuarbeiten und dafür benötigte Informationen zu erschließen.
  • Techniken des wissenschaftlichen Arbeitens umfassend in einer eigenen Forschungsarbeit anzuwenden.


Arbeitsaufwand in Stunden Eigenstudium 900, Präsenzstudium 0
Leistungspunkte 30
Prüfung laut FSPO
Prüfungsdauer und -umfang laut FSPO
Zuordnung zu folgenden Curricula Bauingenieurwesen: Abschlussarbeit: Pflicht
Bioverfahrenstechnik: Abschlussarbeit: Pflicht
Chemical and Bioprocess Engineering: Abschlussarbeit: Pflicht
Computer Science: Abschlussarbeit: Pflicht
Elektrotechnik: Abschlussarbeit: Pflicht
Energie- und Umwelttechnik: Abschlussarbeit: Pflicht
Energietechnik: Abschlussarbeit: Pflicht
Environmental Engineering: Abschlussarbeit: Pflicht
Flugzeug-Systemtechnik: Abschlussarbeit: Pflicht
Global Innovation Management: Abschlussarbeit: Pflicht
Informatik-Ingenieurwesen: Abschlussarbeit: Pflicht
Information and Communication Systems: Abschlussarbeit: Pflicht
International Production Management: Abschlussarbeit: Pflicht
Internationales Wirtschaftsingenieurwesen: Abschlussarbeit: Pflicht
Joint European Master in Environmental Studies - Cities and Sustainability: Abschlussarbeit: Pflicht
Logistik, Infrastruktur und Mobilität: Abschlussarbeit: Pflicht
Materialwissenschaft: Abschlussarbeit: Pflicht
Mechanical Engineering and Management: Abschlussarbeit: Pflicht
Mechatronics: Abschlussarbeit: Pflicht
Mediziningenieurwesen: Abschlussarbeit: Pflicht
Microelectronics and Microsystems: Abschlussarbeit: Pflicht
Produktentwicklung, Werkstoffe und Produktion: Abschlussarbeit: Pflicht
Regenerative Energien: Abschlussarbeit: Pflicht
Schiffbau und Meerestechnik: Abschlussarbeit: Pflicht
Ship and Offshore Technology: Abschlussarbeit: Pflicht
Theoretischer Maschinenbau: Abschlussarbeit: Pflicht
Verfahrenstechnik: Abschlussarbeit: Pflicht
Wasser- und Umweltingenieurwesen: Abschlussarbeit: Pflicht